Как я могу сделать регрессию максимального правдоподобия с помощью scipy.optimize.minimize
Как я могу сделать регрессию максимального правдоподобия, используяscipy.optimize.minimize
? Я специально хочу использоватьminimize
здесь, потому что у меня сложная модель и мне нужно добавить некоторые ограничения. В настоящее время я пытаюсь простой пример, используя следующее:
from scipy.optimize import minimize
def lik(parameters):
m = parameters[0]
b = parameters[1]
sigma = parameters[2]
for i in np.arange(0, len(x)):
y_exp = m * x + b
L = sum(np.log(sigma) + 0.5 * np.log(2 * np.pi) + (y - y_exp) ** 2 / (2 * sigma ** 2))
return L
x = [1,2,3,4,5]
y = [2,3,4,5,6]
lik_model = minimize(lik, np.array([1,1,1]), method='L-BFGS-B', options={'disp': True})
Когда я запускаю это, конвергенция не удается. Кто-нибудь знает, что не так с моим кодом?
Я получаю сообщение «ABNORMAL_TERMINATION_IN_LNSRCH». Я использую тот же алгоритм, который я использую, используяoptim
в Р.