使用python最大化多参数求和

Question

我正在尝试使用双组分混合威布尔分布拟合风数据集v=v1,.....,vm。

我发现了一篇建议使用最大似然法的论文，特别是最大化以下等式：

Omega，a1，a2，b1和b2是我想要更改的参数，以便最大化功能{{1} }是一系列已知的风速。

我一直在尝试使用SciPy最小化算法，但没有成功。

这是我到目前为止所做的：

v=v1,.....,vm

但是我继续收到以下错误：

  

minimizer_function（）缺少5个必需的位置参数：＆＃39; omega＆＃39;，＆＃39; a1＆＃39;，＆＃39; b1＆＃39;，＆＃39; a2＆＃39;和＆ ＃39; B2＆＃39;

我很确定我错过了什么。

Answer 1

scipy minimizers期望变量存储在单个一维数组中。在您的情况下，目标函数应该类似于minimizer_function(x, v)，其中x是包含omega，a1，b1，a2和b2的五个元素的数组。就是这样的事情

def minimizer_function(x, v):
   omega, a1, b1, a2, b2 = x
   return np.reciprocal(np.sum((omega*(a1/b1)*((v/b1)**(a1-1))*(np.exp(-((v/b1)**a1)))+(1-omega)*(a2/b2)*((v/b2)**(a2-1))*(np.exp(-((v/b2)**a2))))))

对minimize的调用类似于

x0 = np.array([0.5,1.0,1.0,1.0,1.0])
res = optimization.minimize(minimizer_function, x0, args=(v,), method='nelder-mead',options={'xtol': 1e-8, 'disp': True})