- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
如果这个问题很愚蠢,我很抱歉,因为所有人都已经出来了。
我想利用 R 的 mle2() 函数来查找特定统计函数的最佳参数;我认为它是使用梯度下降来实现的?所以我接到这样的电话:
r = mle2(minuslogl = likelihood,
start = list(a1=0.1,b1=0.1,x01=0.1,d2=0.1,b2=0.1,x02=0.1,c=1),
data = list(values=v,data=d))
我的似然函数特别需要 a1、b1、d2 和 b2 在 [0,1] 范围内(0 到 1 之间的实数)。如果 mle2() 使用梯度下降,我假设它在优化阶段开始将提到的参数移动到负范围 - 但我希望它特别不这样做,我希望它搜索参数介于 0 和 1 之间。
有办法吗?难道我真的很无知吗?
提前致谢。
最佳答案
我找到了答案。有我想要的文档;尽管我无法立即在我正在查看的页面中找到我想要的内容。
mle2() 函数实际上有下限和上限参数。
示例可以在这里找到:
http://www.inside-r.org/packages/cran/bbmle/docs/mle2
下面是一个功能示例:
r = mle2(minuslogl = likelihood,
start = list(x01=0.1,x02=0.1, c=1, a1=.1, b1=.1, d2=.1, b2=.1),
data = list(values=v,data=d),
lower = c(a1=0,b1=0,d2=0,b2=0),
upper = c(a1=1,b1=1,d2=1,b2=1),
method="L-BFGS-B")
这限制了 a1、b1、d2 和 b2 变量,并为它们提供了梯度下降法的起始值。
关于r - 了解R的mle2函数及其参数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27415366/
我想知道在数组中给出拟合参数时如何在 R 中进行最大似然估计。当参数数量很大时需要这样做。所以基本上,为了拟合数据 x 的正态分布,我想做如下事情 LL stats4::mle 注意如何 start
我想知道是否有人知道一个Python包,它实现了MLE来估计狄利克雷分布的参数。 最佳答案 Eric Suh 有一个包裹 here 。 $ pip install git+https://github
我正在使用 mle() 方法在 R 中手动估计具有多个预测变量的 logit 回归。我在传递函数 calcLogLikelihood 中计算对数似然所需的附加参数时遇到问题以下。 这是我计算负对数似然
我想计算逻辑回归模型的对数似然。 def sigma(x): return 1 / (1 + np.exp(-x)) def logll(y, X, w): """" Para
我有以下泊松分布: Data 3 5 3 1 2 1 2 1 0 2 4 3 1 4 1 2 2 0 4 2 2 4 0 2 1 0 5 2 0 1 2 1 3 0 2 1 1 2 2 0 3 2 1
这是我在尝试进行 MLE 时在 Matlab 中注意到的。我的第一个估算器使用 pdf 的对数似然并将乘积分解为总和。例如,log weibull pdf (f(x)=b ax^(a-1)exp(-b
我正在学习 NLTK,并且有一个关于数据预处理和 MLE 模型的问题。目前我正在尝试使用 MLE 模型生成单词。问题是当我选择 n>=3 时。我的模型将完全正常地生成单词,直到它到达句点(“.”)。之
我有以下代码,我希望估计自定义分布的参数。 For more details on the distribution .然后使用估计的参数,我想看看估计的 PDF 是否类似于给定数据的分布(它应该与给
我有一个 statsmodels.discrete.discrete_model.BinaryResultsWrapper,它是运行 statsmodels.api.Logit(...).fit()
我有一个简单的 x, y数据框。 mydata mle(estimate, start = list(kappa = 3, lambda = 0.155)) Error in optim(start
我正在尝试估计 Weibull-Gamma 分布参数,但遇到以下错误: "the function mle failed to estimate the parameters, with the er
我正在使用 Python 进行 MLE 实现。我的对数似然函数有 5 个参数需要估计,其中两个参数必须介于 0 和 1 之间。我可以使用 statsmodels 包中的 GenericLikeliho
好的,所以我当前的曲线拟合代码有一个步骤使用 scipy.stats 根据数据确定正确的分布, distributions = [st.laplace, st.norm, st.expon, st.d
我想使用 pyomo 从行为数据集中估计 RL 模型的参数。 #dummy data dis_data = pd.DataFrame([0,1,0,0,0,1], columns=['reward'
我的目的是使用 Newton Raphson 算法找到最大似然估计量,并将该解决方案与 glm() 进行比较。所以我尝试在 R 中使用 maxLik()。结果出现错误,我之前没有使用过这个包,请修复这
我应该首先说明我想要做什么:我想使用 mle 函数,而不必每次我想尝试不同的模型规范时都重新编写我的对数似然函数。因为 mle 需要一个指定的起始值列表,所以您显然不能只将对数似然函数编写为采用参数向
我有一组具有高斯分布的数据,这是一个直方图,显示了它们的实际外观: 我必须使用贝叶斯分类器将这些数据分为两类,我正在使用 sklearn 进行此操作,并且运行良好。然而,作为工作的一部分,我必须使用
我正在尝试使用 MLE 拟合双指数(即两个指数或双指数的混合)数据。虽然没有此类问题的直接示例,但我发现了一些使用 MLE 进行线性(Maximum Likelihood Estimate pseud
我想在 python 中使用 gekko 包实现 MLE(最大似然估计)。假设我们有一个包含两列的 DataFrame:['Loss', 'Target'] 并且其长度等于 500。 首先我们必须导入
我想在 python 中使用 gekko 包实现 MLE(最大似然估计)。假设我们有一个包含两列的 DataFrame:['Loss', 'Target'] 并且其长度等于 500。 首先我们必须导入
我是一名优秀的程序员,十分优秀!