Question

我有一个小模型，我用它来估计一个真菌群体在环境条件下的生长。实际上，该模型是以下形式的MATLAB函数：

growth=myfunction(envdata,params)

其中growth是我的真菌生长多少（呃！），envdata是一个环境变量矩阵（每个时间步长一行，每列是一个不同的变量，如温度，湿度等等等）和params是我的模型的参数。后者是我想要优化的那些，它们包括诸如（未知的）初始真菌群体，可以存在一定时间的最大真菌等等，等等。

与此同时，我在实验室测量了一个增长矢量（我的观察结果），我的目标是通过改变输入参数使我的模型适合观察。

我的自然答案是使用诸如fminsearch之类的东西，但它没有选择使用观察向量作为最低要求。或者我错了吗？

Answer 1

您希望尽可能接近观察值与模型拟合增长率之间的差异，但正如您所指出的，fminsearch不允许您使用目标向量。

解决方案是定义一个包装函数，用于定义您尝试最小化的事物（通常称为 loss ）。一个流行的损失是均方误差，

MSE（x，y）=Σ（x - y）²

所以你可以定义，例如，

function loss = objectiveFun(observations, envdata, params)

    growth = myfunction(envdata, params);
    loss = sum((observation - growth).^2); // or your favorite loss function

end

然后运行

paramsInit = 0; // whatever initial value you have for params

paramsOpt = fminsearch(@(x) objectiveFun(observations, envdata, x), paramsInit);

多参数模型优化

1 个答案: