Question

我试图在R中实现以下Log-Likelihood函数。

Σ（i∈I）ln {Σ（s∈S）p（s）* p_i（s）}

变量p_i（s）以(err_mat[i,j]*(1-Beta) + Beta*(1-err_mat[i,j])给出变量p（s）是过程s的概率，最多有12个可能的过程。

我写了一个关于如何计算pi_s的简单表示，它取决于一个未知参数：beta。优化函数的输入是＆＃34;错误＆＃34;的矩阵。（0或1）并估计哪个数据生成过程最有可能适合数据。有12个可能的过程可以产生数据，给出12个概率p_s，约束在（0,1）之间，并且应该总计为1来估计。还有第13个参数beta，用于捕捉过程中的噪音。

到目前为止，有很多关于stackoverflow的搜索，我有以下功能：

  `beta_llh <- function(err_mat) {
    nr <- dim(err_mat)[1]
    nl <- dim(err_mat)[2]
    pi_s = c(rep(1,12))
    function(pars) {
     for (i in 1:nr){
      for (j in 1:nl){
        pi_s[i] = pi_s[i] * (err_mat[i,j]*(1-Beta) + Beta*(1-err_mat[i,j]))
      }

       pi_s[i] = pi_s[i]*p_s[i] # multiply pi_s by p_s
    }

    result = sum(llh) # MAKE a sum for the pi_s and p_s 
  }
 }`

示例错误矩阵如下：

err_matrix = matrix(c(rep(0,40), rep(1,440)), nrow=12, ncol=40, byrow= TRUE)

我的优化功能目前是：

optim(par=c(rep(0,13)), fn=llh_value, lower=c(rep(0,13)),upper=c(rep(1,13)), method = "L-BFGS-B")

我现在的问题是：

如何编码前12个参数总和为1的约束。

如果我在内部求和中已经有一个未知参数，我如何编码外部求和。当我尝试使用下面的代码将内部求和传递到外部for循环时，我得到一个错误。

llh_All <- matrix(rep(1,2), nrow=2, ncol=1 )
for(s in 1:n){
  dataS = subset(testDF, testDF$ID1 == "s")
  # get its error matrix
  err_mat  <- get_err_matrix(dataS)
  # get its llh
  llh_S = beta_llh(err_mat)
  llh_All[s] <- llh_S
  }
result = sum(llh_All)

我收到以下错误：

    Error in llh_All[s] = llh_S : 
    incompatible types (from closure to double) in subassignment type fix

我花了大约3天的时间试图解决这个问题，我会感激任何帮助。谢谢，

Answer 1

要使参数总和为1，您可以执行params[12] <- 1 - params[1:11]之类的操作。对于log(sum(llh))的问题，这意味着sum(llh)不是正面的，或者您的函数没有返回数字...事实上，我认为您的一些问题可能源于您的{{1}函数返回一个函数，而不是一个值。尝试执行beta_llh或return(res)。然后，对于与return(sum(llh))相关的错误，上一行应为llh_All[s] = llh_S ...但您必须弄明白llh_S = beta_llh(err_mat)(par)应该是什么。

说实话，你的问题现在非常分散。您的代码中有几个错误要求其他人调试，而不是单个有针对性的编程问题。如果这没有帮助，您可能需要稍微提炼出问题并更具体。

如何在R

1 个答案: