Оптимизация функции функции в r

Я хотел бы свести к минимуму среднюю квадратную ошибку (mse() на hydroGOF пакет может использоваться) между моделируемыми и наблюдаемыми спредами. Функция определяется как:

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

цель состоит в том, чтобы свести к минимуму mse между KV_CDS и C, оставив лямбда свободный параметр в функции 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)
6
minimize optimization r

2 ответов

вам нужно написать функцию для минимизации, которая вычисляет среднюю квадратную ошибку для этого конкретного случая, например:

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)
}

... и тогда вы можете использовать optimize(), например, так (вам нужно указать диапазон возможных значений для Lambda -- кстати, не идеальное имя, потому что оно подразумевает, что оно может быть функцией, когда на самом деле это просто переменная):

optimize(calcMSE,c(0,1))

Я не мог сделать полный тест, потому что у меня не было pbivnorm установлен, но это должно помочь тебе.

2

благодаря вам, Симон, я пришел к решению:

  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)

или: 

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)

Спасибо за помощь ребята!

1