¿Cómo puedo hacer una regresión de máxima verosimilitud usando scipy.optimize.minimize
¿Cómo puedo hacer una regresión de máxima verosimilitud usandoscipy.optimize.minimize
? Específicamente quiero usar elminimize
funciono aquí, porque tengo un modelo complejo y necesito agregar algunas restricciones. Actualmente estoy probando un ejemplo simple usando lo siguiente:
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})
Cuando ejecuto esto, la convergencia falla. ¿Alguien sabe qué está mal con mi código?
El mensaje que recibo es "ABNORMAL_TERMINATION_IN_LNSRCH". Estoy usando el mismo algoritmo que tengo trabajando usandooptim
en R.