Python中的凸优化

Question

我最近对足球统计很感兴趣。现在，我想用Python3.5 (纸链)实现著名的Dixon-Coles模型。

最基本的问题是，从本文所描述的模型中得到一个具有众多参数结果的似然函数，需要最大化。

例如:一个德甲赛季的似然函数将导致37个参数。当然，我做的是相应的负对数似然函数的最小化。我知道这个log函数是严格凸的，所以优化应该不会太困难。我也包括分析梯度，但当参数数超过10个时，科学软件包失效(scipy.optimize.minimize())的优化方法。

我的问题是：，还有哪些其他优化技术最适合于涉及~40个独立参数的优化问题？

其他方法的一些提示将是很棒的！

Answer 1

您可以使用元启发式算法，它既工作在凸空间和非凸空间。其中最著名的可能是遗传算法。它也很容易实现，概念也很简单。遗传算法的美妙之处在于，你可以用它来解决大部分的优化问题。

Answer 2

您可能想看看凸优化包，如https://cvxopt.org/或https://www.cvxpy.org/。它基于Python，因此很容易使用！