所以我一直在研究一个脚本来计算基于4个参数的对数似然性,并将它们放入一个特定的log-lik函数中。该脚本没问题。问题在于优化它 - 每当我尝试时,它都会说找不到对象(对于所讨论的参数)。为了简单起见,我将只使用一个更简单的脚本,它在使用optim()函数时给我一个相同的错误。有趣的是,我实际上是直接从“MLE in R”教程中取出这个脚本。我甚至没有重写它,我从字面上复制/粘贴PDF。这里是教程中的似然函数:R函数optim():找不到对象
normal.lik1<-function(theta,y){
mu<-theta[1]
sigma2<-theta[2]
n<-nrow(y)
logl<- -.5*n*log(2*pi) -.5*n*log(sigma2) - (1/(2*sigma2))*sum((y-mu)**2)
return(-logl)
}
这个函数对它自己来说工作得很好。但是,当我尝试对其进行优化时,出现错误,指出找不到该对象,该对象是我试图优化的参数。
optim(c(0,1),normal.lik1,y=y,method="BFGS")
当我跑这条线,R使我有以下错误:这下一行也被复制/教程粘贴
Error in nrow(y) : object 'y' not found
这让我立刻意识到这是谈论如何ÿ是函数中的一个特定对象,不是全局对象,但同时optim()应该是正在评估这个函数!所以,我不知道为什么它像y一样不存在。
编辑:
现在我明白它是如何工作的。但我的总体目标仍然存在问题。把它更进角度来看,这里是我与现在使用的代码:
w.loglik<-function(w){
# w is just a vector with 4 values: two means (w(1) and w(2) below) and the position
# of two decision bounds (w(3) and w(4))
#create data matrix
data<-matrix(c(140,36,34,40,89,91,4,66,85,5,90,70,20,59,8,163),nrow=4,ncol=4,byrow=TRUE)
# get means
means<-matrix(0,4,2,byrow=TRUE)
means[2,1]<-w[1]
means[3,2]<-w[2]
means[4,1]<-w[1]
means[4,2]<-w[2]
# get covariance matrices (fix variances to 1)
covmat<-list()
covmat[[1]]<-diag(2)
covmat[[2]]<-diag(2)
covmat[[3]]<-diag(2)
covmat[[4]]<-diag(2)
# get decision bound parameters
b<-diag(2)
c<-matrix(c(w[3],w[4]),2,1)
L<-matrixloglik(data,means,covmat,b,c)
return(L)
}
matrixloglik仅仅是输出数似然(运行良好)的功能。我如何运行optim()以便优化向量w?
好是有道理的。但是,事情是,为什么如果y只依赖于前两个(如theta.true [1:2]部分所见),为什么用3个值定义theta.true?对于我的特定代码,只需输入一个包含4个值的向量w即可输出对数似然值。我想最大化这些,但我不知道如何做到这一点。 – saltthehash
这里你正在做矩阵乘法,所以它需要服从矩阵乘法规则。查看上面的更新。 – Metrics