最大限度地減少一些個體數似然函數中使用SciPy的

Question

我有一個數似然函數，它是總和在很長的客戶名單的功能，我想用scipy.optimize.minimize（）方法來optimpize它。

def log_likelihood_individual(r, alpha, a, b, x, tx, t): 
    ln_a1 = gammaln(r + x) - gammaln(r) + r * log(alpha) 
    ln_a2 = gammaln(a + b) + gammaln(b + x) - gammaln(b) - gammaln(a + b + x) 
    ln_a3 = -(r + x) * log(alpha + t) 
    a4 = 0 
    if x > 0: 
     a4 = exp(log(a) - log(b + x - 1) - (r + x) * log(alpha + tx)) 
    return ln_a1 + ln_a2 + log(exp(ln_a3) + a4) 


def log_likelihood(r, alpha, a, b, customers): 
    if r <= 0 or alpha <= 0 or a <= 0 or b <= 0: 
     return -np.inf 
    c = sum([log_likelihood_individual(r, alpha, a, b, x, tx, t) for x, tx, t in customers]) 
    return c 


def maximize(customers): 
    negative_ll = lambda params: -log_likelihood(*params, customers=customers) 
    params0 = np.array([1., 1., 1., 1.]) 
    res = minimize(negative_ll, params0, method='CG') 
    return res 

我嘗試使用scipy list的各種算法，但每次算法都會丟失自身。任何人都可以給我一個關於如何解決這些問題的一般性建議，即最大限度地減少我無法理解的功能？

Answer 1

一個一般性的問題引發普遍的答案;）

最適合我的嘗試失敗（即不收斂），因爲較差的空調初始值。問問你自己：

• 是params0 = np.array([1., 1., 1., 1.])真是一個很好的初始猜測？
• 你也試過params0 = np.array([0., 0., 0., 0.])或其他組合（蠻力）
• 你可以創建一個示例集，你知道參數的理想值嗎？你是否試圖適應它？

如果沒有上述作品出來，這個問題似乎更爲複雜，但配件的問題90％可以通過回答上述問題得到解決。