Python中的凸优化

Question

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

Answer 1

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