Question

我需要使用＆＃34; optimx＆＃34;但我发现当我更改起始值时输出会发生变化。这是正常的还是我的脚本中有错误？：

  dat1 <- array(1:60, c(3,5,4));dat2 <- array(1:60, c(3,5,4));dat3 <- array(1:60, c(3,5,4))
  #reorder dimensions 
  dat1 <- aperm(dat1, c(3,1,2)); dat2 <- aperm(dat2, c(3,1,2));dat3 <- aperm(dat3, c(3,1,2))
   #make array a matrix 
  dat1a <- dat1;dim(dat1a) <- c(dim(dat1)[1],prod(dim(dat1)[2:3])) 
  dat2a <- dat2;dim(dat2a) <- c(dim(dat2)[1],prod(dim(dat2)[2:3])) 
  dat3a <- dat3;dim(dat3a) <- c(dim(dat3)[1],prod(dim(dat3)[2:3]))

案例一：

   fun <- function(x1, x2, y) {
    keep <- !(is.na(x1) | is.na(x2) | is.na(y))
     if (sum(keep) > 0) { 
        best=function(p,x1, x2, y){
   sum((y [keep]-(((p[1]*x1[keep]+p[2]*x2[keep]+p[3])^p[4])+p[5]))^2)}
      res <- optimx(c(0.5,3,4,0.1,1.8),best,x1=x1,x2=x2,y=y)
     res  <- coef(res)[1:5] 
      } else {    res <- c(NA, NA, NA,NA,NA)  }
         return(res)}

     res2 <- mapply(fun, x1=as.data.frame(dat1a), x2=as.data.frame(dat2a), y=as.data.frame(dat3a))

RES2：

        V1         V2         V3          V4         V5         V6         V7
[1,] -6.4508094  4.3192551 -4.4118228  0.96978160 -5.3236129  1.7360552  6.7636543
[2,] -0.7073374 -0.7404623 -0.7490429 -0.56937504 -0.6729419 -0.7373379 -0.7387721

案例二：

   # same function but I changed the starting values
    fun=function(x1, x2, y) {
       keep <- !(is.na(x1) | is.na(x2) | is.na(y))
       if (sum(keep) > 0) { 
    best=function(p,x1, x2, y){
        sum((y [keep]-(((p[1]*x1[keep]+p[2]*x2[keep]+p[3])^p[4])+p[5]))^2)}
    res <- optimx(c(1,1,1,1,1),best,x1=x1,x2=x2,y=y)
    res  <- coef(res)[1:5] 
} else {   res <- c(NA, NA, NA,NA,NA)    }
return(res)}
 res3 <- mapply(fun, x1=as.data.frame(dat1a), x2=as.data.frame(dat2a), y=as.data.frame(dat3a))

RES3：

 V1         V2         V3         V4        V5        V6         V7        V8
 [1,]  0.6018246  0.1993663 -0.2520812 -0.1702029 -1.176793 -6.513526 -0.1749120 -1.329519
 [2,]  7.6637890  3.4957285  3.0466838  2.2510481  1.601970  1.245830  1.0175985  0.852469

Answer 1

您的脚本中没有错误。这是优化器的工作方式。在您的情况下，您使用optimx和默认参数（即未指定方法以及上限和下限参数），这意味着内部optimx将使用基本R optim函数默认的Nelder-Mead方法。

我引用Wikipedia（这可能不是最好的来源，但它正确解释了）：

Nelder-Mead方法或下坡单纯形法或变形虫方法是一种常用的非线性优化技术，对于可能不知道衍生物的问题，这是一种定义明确的数值方法。然而，Nelder-Mead技术是一种启发式搜索方法，它可以收集到非固定点[1]，解决可通过替代方法解决的问题。[2]

上面引用的关键字，我强调的是启发式：

启发式，是解决问题，学习或发现的任何方法，它采用不保证最佳或完美的实用方法，但足以实现直接目标。

因此，optim函数试图在你的情况下找到一个局部最小值，它将提供一个快速的次优解（即它没有找到全局最小值）。这是出于速度和计算目的而发生的。

因此，通过更改初始值，您可以更改方法的起点，因此每次获得不同的局部最小值。

其余的方法以类似的方式工作，但研究每种方法以确定是否正在计算启发式解决方案是有意义的。

This是我发现的另一个类似的问题，它提供了一个很好的解释。

为什么R中的“optimx”在更改起始值时会给出不同的结果？

1 个答案: