在r中优化函数的功能

Question

我想在建模和观察的点差之间最小化均方误差（可能使用hydroGOF包中的mse()）。该函数被定义为：

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

的目标是通过留下LAMBDA一个自由参数在KV_CDS函数以最小化KV_CDS和C之间mse。

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

感谢你西蒙，我来到了一个解决方案：

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) 

或：

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) 

感谢您的帮助家伙！

Answer 2

你需要编写一个函数，以尽量减少计算平均值的这种特殊情况下均方误差，如：

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) 
} 

...然后你可以使用optimize()，像这样实例（你需要指定的可能值的范围为Lambda - 顺便说一句不是一个理想的名字，因为这意味着它可能是一个功能时，实际上它只是一个变量）：

optimize(calcMSE,c(0,1)) 

我无法做完整的测试，因为我没有安装pbivnorm，但是这应该为您做。