Skip to main content
 首页 » 编程设计

python之使用 scipy 最小化函数

2025年05月04日9webabcd

我有一个对数似然函数,它是一长串客户和一些单独的对数似然函数的总和,我想使用 scipy.optimize.minimize() 方法对其进行优化。

def log_likelihood_individual(r, alpha, a, b, x, tx, t): 
    ln_a1 = gammaln(r + x) - gammaln(r) + r * log(alpha) 
    ln_a2 = gammaln(a + b) + gammaln(b + x) - gammaln(b) - gammaln(a + b + x) 
    ln_a3 = -(r + x) * log(alpha + t) 
    a4 = 0 
    if x > 0: 
        a4 = exp(log(a) - log(b + x - 1) - (r + x) * log(alpha + tx)) 
    return ln_a1 + ln_a2 + log(exp(ln_a3) + a4) 
 
 
def log_likelihood(r, alpha, a, b, customers): 
    if r <= 0 or alpha <= 0 or a <= 0 or b <= 0: 
        return -np.inf 
    c = sum([log_likelihood_individual(r, alpha, a, b, x, tx, t) for x, tx, t in customers]) 
    return c 
 
 
def maximize(customers): 
    negative_ll = lambda params: -log_likelihood(*params, customers=customers) 
    params0 = np.array([1., 1., 1., 1.]) 
    res = minimize(negative_ll, params0, method='CG') 
    return res 

我尝试使用 scipy 列表的各种算法,但每次,算法都会迷失方向。谁能给我一个关于如何解决这类问题的一般性建议,即最小化我无法真正理解的函数?

请您参考如下方法:

一般性问题会引发一般性回答;)

我的大多数拟合尝试都失败了(即不收敛),因为条件不佳的初始值。问问自己:

  • params0 = np.array([1., 1., 1., 1.]) 真的是一个很好的初始猜测吗?
  • 您是否也尝试过 params0 = np.array([0., 0., 0., 0.]) 或任何其他组合(蛮力)
  • 您能否创建一个您知道参数理想值的示例集?你试过适应它吗?

如果以上都不行,问题似乎更复杂,但90%的拟合问题都可以通过回答以上问题来解决。