使用python最大化多参数求和

Question

我正在尝试使用两分量混合威布尔分布拟合风数据集 v=v1,.....,vm。

我发现一篇论文建议使用最大似然法，特别是最大化以下方程：

Omega、a1、a2、b1 和b2 是我要更改的参数以最大化功能，v=v1,.....,vm 是一系列已知风速。

我一直在尝试使用 SciPy 最小化算法，但没有成功。

这是我目前所拥有的：

def minimizer_function(v,omega,a1,b1,a2,b2):
   return np.reciprocal(np.sum((omega*(a1/b1)*((v/b1)**(a1-1))*(np.exp(-((v/b1)**a1)))+(1-omega)*(a2/b2)*((v/b2)**(a2-1))*(np.exp(-((v/b2)**a2))))))

x0 = np.array([0.5,1.0,1.0,1.0,1.0])
res = optimization.minimize(minimizer_function, x0, method='nelder-mead',options={'xtol': 1e-8, 'disp': True})

但是我不断收到以下错误：

minimizer_function() 缺少 5 个必需的位置参数：'omega'、'a1'、'b1'、'a2' 和 'b2'

我很确定我错过了什么。

Answer 1

scipy 最小化器期望变量存储在单个一维数组中。在您的情况下，目标函数应该类似于minimizer_function(x, v)，其中x 是一个包含 omega、a1、b1、a2 和 b2 的五个元素的数组。也就是说，像

def minimizer_function(x, v):
   omega, a1, b1, a2, b2 = x
   return np.reciprocal(np.sum((omega*(a1/b1)*((v/b1)**(a1-1))*(np.exp(-((v/b1)**a1)))+(1-omega)*(a2/b2)*((v/b2)**(a2-1))*(np.exp(-((v/b2)**a2))))))

对minimize 的调用类似于

x0 = np.array([0.5,1.0,1.0,1.0,1.0])
res = optimization.minimize(minimizer_function, x0, args=(v,), method='nelder-mead',options={'xtol': 1e-8, 'disp': True})