Question

我正在尝试编写一个函数，它将第1列中的因变量数据帧和第2列中的n个独立变量转换为n + 1，以适合y~x1 + .. xn + 1之间的线性模型，受制于x1到xn的所有系数均为0或以上的约束。

为此，我开始使用optim和一些函数来生成通用文本公式以最小化RSS，并将其评估为优化器中的代码。但是，我的方法返回以下错误：

Error in par[1] : object of type 'closure' is not subsettable

基本上，我使用optim来使用约束来执行OLS的想法基于以下示例：https://magesblog.com/post/2013-03-12-how-to-use-optim-in-r/

以下是功能（包括样本数据）

set.seed(1000)
#Function to produce n vectors + one y vector with 5000 observation (approx 20 business years):    
sampler <- function(n){
   df <- data.frame(y=sample(-100:100,5000, replace=TRUE))
   for (i in (1:n+1)){
    df[,i] <- sample(-100:100,5000,replace=TRUE)
   }
   df
}

#Function to produce formula for constrained optimization
formfun <- function(n) {
  part <- ""
  parts <- c("sum((")
  for (i in (1:n)){
    part[i]<- paste0("par[",i,"] * df[",i+1,"] + ",sep="")
    parts <- append(parts,part[i])
   }
   parts <- paste0(append(parts,"-df[1])^2)"),sep="")
   parts
}

#Function to evaluate formula
min.RSS <- function(par,data,form) {
  eval(parse(text=paste0(form)))
}

插入n：

 n=5
 df <- sampler(n)
 formula <- formfun(n)
 min.RSS(par,data=df,form=formula)

最后，将所有参数的公式赋予优化器：

result <- optim(par = c(rep(1,n)),min.RSS(par, data=df, form=formula),  method = c("L-BFGS-B"), lower = 0.00, upper = 10000)

不幸的是，这给了：

Error in par[1] : object of type 'closure' is not subsettable

非常感谢任何帮助，为什么会发生这种情况！

在optim（）中：par [1]中的错误：类型'closure'的对象不是子集 - 对于带有约束的线性回归，optim（）

0 个答案: