wie kann ich mit scipy.optimize.minimize @ eine Maximum-Likelihood-Regression durchführe
Wie kann ich mit @ eine Maximum-Likelihood-Regression durchführescipy.optimize.minimize
? Ich möchte ausdrücklich das @ verwendminimize
Funktion hier, weil ich ein komplexes Modell habe und einige Einschränkungen hinzufügen müssen. Ich versuche gerade ein einfaches Beispiel mit den folgenden Angaben:
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})
Wenn ich dies ausführe, schlägt die Konvergenz fehl. Weiß jemand, was mit meinem Code nicht stimmt?
Die Meldung, die ich bekomme, lautet "ABNORMAL_TERMINATION_IN_LNSRCH". Ich verwende den gleichen Algorithmus wie ich mit @ arbeioptim
in R.