Question

我想最小化对数可能性，以尽可能接近早期计算出的分布。我的分布是Beta-Binomial分布，我需要选择 a（lpha）和 b（eta）参数。我的函数基于另一个topic的答案之一来计算负对数似然。

def nll(a, b):
    k = players['Goals'].sum() # equal to the number of successes
    n = players['Shots'].sum() # equal to the number of trials
    log = gammaln(n + 1) + gammaln(k + a) + gammaln(n - k + b) + gammaln(a + b) - (gammaln(k + 1) + gammaln(n - k + 1) + gammaln(a) + gammaln(b) + gammaln(n + a + b))
    return -(np.exp(log))

接下来，我想最小化对数可能性。在R中，可以使用以下脚本完成此操作：

# maximum likelihood estimation
m <- mle(ll, start = list(alpha = 1, beta = 10), 
method = "L-BFGS-B", lower = c(0.0001, 0.1))

ab <- coef(m)

我试图按如下方式在Python中重现R脚本：

 init_params = [1, 10] # This is equal to the start-argument in R

 res = minimize(nll, x0=init_params, method='L-BFGS-B', options={'disp' : True, 'maxiter': 250})

运行此命令，将产生以下错误：

返回函数（*（wrapper_args + args）） TypeError：nll（）缺少1个必需的位置参数：'b'

我到底在做什么错？我插入了b = 10对吧？

Answer 1

optimize.minimize期望其第一个参数是这种形式的函数：

def func(params, args):
    ...

其中params代表optimize.minimize试图最小化的所有参数。 args可用于传递其他参数，这些参数不会被最小化。就optimize.minimize而言，它们本质上是常量。

在这种情况下，params代表两个值，a和b，所以像这样写nll：

def nll(params):
    a, b = params
    ...

Scipy出现问题。最小化边界

1 个答案: