最大似然fminsearch

Question

我使用Matlab-fminsearch为二项分布函数建立了负最大似然模型。我没有收到任何错误通知，但是我想要估计的参数，总是采用起始值。显然，这是一个错误。我知道我问的是一个非常笼统的问题。但有没有可能任何人都犯了同样的错误，并知道如何处理它呢？非常感谢,

@woodchips，非常感谢。一步一步地，我试着按照你的建议去做。首先，我实际上最大化了(-log(可能性))，这不是问题所在。我想我发现了问题所在，但如果我不打扰你的话，我还有一些问题要问。我在paramstart=p1中有一个要最大化的模型(参数)。这个模型是为(-log(似然(F)建立的，我的F是一个向量化函数，如F(t，Z，X，T，param，m2，m3，k，l)。我有一个像(tdata，kdata，ldata)这样的数据，X，T是网格，Z是这个网格上的函数，(m1，m2，m3)是给定的，我想看看F的值(tdata，Z，X，T，m1，m2，m3，kdata，ldata)，我得到了一个很好的输出。但我认为fminsearch接受F(tdata，Z，X，T，p，m2，m3，kdata，ldata)就像一个常量，这就是为什么我总是把起始值作为估计参数。我会很高兴，如果你有任何建议来调整。

Answer 1

您可以尝试调整一些选项。我会从算法开始。

当函数值实际上没有在你的起点附近改变时，这也是有问题的。也许切换到类似于原木的模式会有所帮助。

我总是使用fminunc或fmincon。它们还允许提供Hessian (通常比“估计”值更好)或“典型值”，这样算法就不会在不可行的区域花费时间。

Answer 2

实际上，你永远不应该最大化一个似然函数，而应该总是最大化该函数的对数，这几乎总是正确的。否则，浮点问题几乎总是会破坏问题。您的优化在同一点开始和停止是一个很好的指标，这就是问题所在。

您可能需要更深入地挖掘上面的内容，但即便如此，我建议所有使用优化工具的用户在将函数抛入优化器之前，都应该针对每个问题执行下一个测试。评估你的目标附近的几个点。它产生了显著不同的值吗？如果不是，那么看看为什么不是。你是在创建一个优化的非平滑目标，还是一个零目标？也就是说，零到提供的公差内？

如果它确实产生了不同的值，但仍然不收敛，那么请确保您知道如何正确地调用优化器。是啊，没错，好像从来没有人犯过这样的错误。这实际上是优化器失败的一个非常常见的原因。

如果它确实产生了不同的好值，并且您对优化器的调用是正确的，那么考虑优化器试图偏离的区域是否会产生垃圾结果。目标是生成复杂的结果还是虚构的结果？