Primeira vez aqui? Seja bem vindo e cheque o FAQ!
x

Qual o melhor algoritmo do SciPy para otimizações de máxima verossimilhança (MLE) ou nonlinear least squares (NLS) em larga escala?

0 votos
25 visitas
perguntada Mai 13 em Estatística por Stuart Mill (1,429 pontos)  

Preciso fazer uma otimização com restrições de alguns parâmetros com muitos dados. Estou tentando fazer MLE e NLS. Existe algum algoritmo no toolkit do SciPy apropriado? (Em especial, aos algoritmos desta biblioteca).

Segundo o SciPy, o trust-constr é o mais versátil:

Method trust-constr is a trust-region algorithm for constrained optimization. It swiches between two implementations depending on the problem definition. It is the most versatile constrained minimization algorithm implemented in SciPy and the most appropriate for large-scale problems. For equality constrained problems it is an implementation of Byrd-Omojokun Trust-Region SQP method described in [17] and in [5], p. 549. When inequality constraints are imposed as well, it swiches to the trust-region interior point method described in [16]. This interior point algorithm, in turn, solves inequality constraints by introducing slack variables and solving a sequence of equality-constrained barrier problems for progressively smaller values of the barrier parameter. The previously described equality constrained SQP method is used to solve the subproblems with increasing levels of accuracy as the iterate gets closer to a solution.

Por enquanto é esse que eu tenho usado, mas não sei se é o melhor para esse tipo de problema.

Compartilhe

Entre ou cadastre-se para responder esta pergunta.

...