繪制 optim 的迭代與 r 中的對數似然值

Question

我有一個最大似然估計函數，我正在使用optim函數。 我想繪制迭代輸出與對數似然值。

這是一個與我的復雜函數非常相似的例子：

y <- rnorm(1000,2,2)
myfunc <- function(x){
  fn <- function(theta) { sum ( 0.5*(xvec - theta[1])^2/theta[2] + 0.5* log(theta[2]) ) }
  optim(theta <- c(0,5), fn, hessian=TRUE,method = "L-BFGS-B",lower=c(0,0),control = list(trace=1))

} 

輸出是：

iter  10 value 12.001318
final  value 12.001318 

iter 10是迭代步驟。 value 12.001318是對數似然值。

我的函數返回100個。 我知道我需要先存儲它們，然后再繪制它們。 但是如何在 R 中做到這一點呢？

有什么幫助嗎？

Answer 1

有幾個選項。 選項1：在control列表中添加REPORT = 1 ，每一步都會打印函數值。 您必須以某種方式處理這些打印數據，可能是使用sink()然后刪除多余的文本。 選項 2：一次運行optim一次迭代optim 。 然后，您可以輕松存儲對數似然值並繪制它。 這兩個選項的部分代碼如下所示。

# generating random values
set.seed(10)
y <- rnorm(1000,2,2)

#### option 1 ####
# intermediate results printed
myfunc <- function(xvec){
  fn <- function(theta) { sum ( 0.5*(xvec - theta[1])^2/theta[2] + 0.5* log(theta[2]) ) }
  optim(theta <- c(0,5), fn, hessian=TRUE,method = "L-BFGS-B",lower=c(0,0),control = list(trace=1,REPORT=1))
}

# running optimization with input y
myfunc(y)

# would need to copy values or otherwise post process to make plot


#### option 2 ####
# running optimization one iteration at a time
fn <- function(theta) { sum ( 0.5*(y - theta[1])^2/theta[2] + 0.5* log(theta[2]) ) }
# storing log likelihood values
loglvals <- fn(c(0,5))

# initializing variables
temp1par <- c(0,0)

# running the loop
for(i in 1:100){

  temp1 <- optim(theta <- ifelse(i==1,1,0)*c(0,5)+ifelse(i==1,0,1)*temp1par, fn, hessian=TRUE,method = "L-BFGS-B",lower=c(0,0),control = list(trace=1,REPORT=1,maxit=1))
  temp1par <- temp1$par
  loglvals <- c(loglvals,temp1$value)
}

# plotting results
# trimming the length of loglvals because the function converged
# before the loop calling optim stopped
# simply using unique to specify when it the optim didn't return new values
plot(seq(0,length(unique(loglvals)),1)
     ,loglvals[seq(1,length(unique(loglvals))+1,1)]
     ,ylab='log likelihood'
     ,xlab='iteration')