我最近对足球统计感兴趣。现在我想在python3.5(paper-link)中实现著名的dixoncoles模型。在
最基本的问题是,从本文所描述的模型来看,一个具有多个参数的似然函数的结果需要最大化。在
例如:一个德甲赛季的似然函数将得到37个参数。当然,我做了相应的负对数似然函数的最小化。我知道这个log
函数是严格的凸函数,所以优化应该不会太困难。我还包括了解析梯度,但是当参数数量超过~10个时,来自SciPy包的优化方法失败了(scipy.optimize.minimize()
)。在
我的问题: 还有哪些优化技术最适合于涉及40个独立参数的优化问题?在
太好了!在
您可以使用元启发式算法,这些算法同时适用于凸空间和非凸空间。其中最著名的可能是Genetic algorithm。它也很容易实现,概念也很简单。遗传算法最漂亮的地方是你可以用它来解决大多数优化问题。在
相关问题 更多 >
编程相关推荐