Question

我使用scipy.opimize.minimize为数据集的负对数似然（具有给定的pdf）找到最佳拟合参数。计算pdf和负对数似然的函数如下：

def density(time, x, y, z):
    w = (z/x)*mt.exp(-time/x) + ((1-z)/y)*mt.exp(-time/y)
    return w


def NLL2(params):

    sig = 0
    a, b, c = params[0], params[1], params[2]
    for i in range(0, 100):
        sig = sig - mt.log(density(xval[i], a, b, c))
    return sig

其中xval是数据集（0-10之间的100时间值列表）。对于它的价值，pdf是双重衰变过程。

我已经获得了x，y和z的起始值（存储在名为＆＃34的列表中; initial_guesses＆＃34;它被赋予NLL2函数作为＆＃34; param＆＃34;参数），以及我必须找到x，y和z的最佳拟合值（即给定数据集xval最小化NLL2的那些值）。

我尝试使用以下代码行执行此操作：

initial_guesses = [1.30719636,  0.19783642,  0.25150731]

best_fit = sci.optimize.minimize(NLL2, initial_guesses, bounds = [(0.1, 20), (0.1, 20), (0.1, 1)], method = 'L-BFGS-B').x

已经选择了界限，因为我认为＆＃34;想出来的是[1.3,0.2,0.25]，即接近初始值。但是，当我这样做时，我经常会收到此错误消息：

文件＆＃34; newcode2.py＆＃34;，第125行，在NLL2中 sig = sig - mt.log（密度（xval [i]，x，y，z）） ValueError：数学域错误

我知道这种情况正在发生，因为对数被认为是负值，但是我给予最小化器的界限应该可以防止这种情况发生。

为了进一步调查，我将NLL2功能更改为以下内容：

def NLL2(params):

    sig = 0
    a, b, c = params[0], params[1], params[2]
    for i in range(0, 100):
        if density(xval[i], a, b, c) > 0:
            sig = sig - mt.log(density(xval[i], a, b, c))
        else:
            print density(xval[i], a, b, c), xval[i], params, '\n'
    return sig

终端打印出来的示例如下：

-4.25654045048e-10 2.76533572107 [0.1 20. 1.00000001]

所以不知何故，参数会达到我设定的界限，在最后一种情况下实际超过1e-8。这导致密度函数返回一个微小的负数，这导致崩溃。

有谁知道如何阻止最小化器这样做？我也尝试过使用SLSQP方法，但遇到了同样的问题。

如果我提供了太多详细信息，我道歉，但我感到很累，而且我还想提供任何可能有用的信息。

注意我已将数学课导入为mt。

scipy.optimize.minimize不断返回数学错误，超出范围

0 个答案: