Tối ưu hóa chức năng của một hàm trong r

Question

Tôi muốn giảm thiểu sai số bình phương trung bình (mse() trong gói hydroGOF có thể được sử dụng) giữa các mẫu được quan sát và được quan sát. Các chức năng được định nghĩa là:

KV_CDS <- function(Lambda, s, sigma_S){ 
    KV_CDS = (Lambda * (1 + s))/exp(-s * sigma_S) - Lambda^2) 
} 

Mục đích là để giảm thiểu mse giữa KV_CDS và C bằng cách để lại Lambda một tham số tự do trong hàm KV_CDS.

df <- data.frame(C=c(1,1,1,2,2,3,4), 
       Lambda=c(0.5),s=c(1:7), 
       sigma_S=c(0.5,0.4,0.3,0.7,0.4,0.5,0.8), 
       d=c(20,30,40,50,60,70,80), 
       sigma_B=0.3, t=5, Rec=0.5, r=0.05) 

Answer 1

Nhờ bạn Simon, tôi đi đến một giải pháp:

d <- df 

    TestMSE <- function(LR) 
    { 

    D <- KV_CDS(LR, d$s, d$sigma_s, d$D, d$sigma_B, d$t, d$Rec, d$r) 
     mse(d$C, D) 
    } 

    optimize(TestMSE,lower = 0.1, upper =1.5) 

hay:

TestMSE2 <- function(LR) 
    { 
D <- KV_CDS(LR, d$s, d$sigma_s, d$D, d$sigma_B, d$t, d$Rec, d$r) 
     mean((d$C- D)^2) 
    } 

    optimize(TestMSE2,lower = 0.1, upper =1.5) 

Thanks for guys giúp đỡ của bạn!

Answer 2

Bạn sẽ cần phải viết một chức năng để giảm thiểu để tính toán giá trị trung bình bình phương lỗi cho trường hợp cụ thể này, ví dụ:

calcMSE <- function (Lambda) 
{ 
     d <- df # best not to use -df- as a variable because of confusion with 
       # degrees of freedom 
     err <- d$C - KV_CDS(Lambda, d$s, d$sigma_S, d$d, d$sigma_B, d$t, d$Rec, d$r) 
     sum(err^2)/length(err) 
} 

... và sau đó bạn có thể sử dụng optimize(), như thế này cho Ví dụ (bạn cần phải xác định phạm vi của các giá trị có thể cho Lambda - tình cờ không phải là một tên lý tưởng vì nó ngụ ý rằng nó có thể là một chức năng khi nó thực sự chỉ là một biến):

optimize(calcMSE,c(0,1)) 

Tôi không thể làm bài kiểm tra hoàn chỉnh vì tôi không cài đặt pbivnorm nhưng điều này nên làm điều đó cho bạn.