-1

我编写了一个 R 代码来使用下面的梯度下降法找到函数的最小值：

gradient.method <- function(f, grad, init, unit.fac=TRUE, interval=c(-7,10), tol=1e-11, max.iter = 35)
{
newpair <- init
oldpair <- newpair - 1
iter <- 0
while(iter < max.iter & sqrt(sum((newpair - oldpair)^2)) > tol){
iter <- iter + 1
oldpair <- newpair

#Set up the unit vector u
newstep <- if(unit.fac) grad(x)(oldpair)/sqrt(sum(grad(x)(oldpair)**2)) 

#Get minimum of f(x_0 - step_size*grad(x_0))
value <- function(step_size) oldpair - step_size*newstep 
min <- optimize(f(x)(value(step_size)),interval)

#Get new pair of vector x
newpair <- oldpair - min*newstep

}
list(minimum = newpair, value = f(x)(newpair), nsteps = iter)
}

f 和 grad 的函数如下：

f1 <- function(x){
  n<-length(x)
    function(theta){
    -logLike<- 0.5*n*log(theta[2])-(1/(2*theta[2]))*sum((x-theta[1])**2)
    }
}


g1 <- function(x){
  n <- length(x)
  function(theta){
  grd1 <- -sum((x - theta[1])*theta[2])
  grd2 <- n/(theta[2]) - 0.5*sum(x - theta[1])
  }
}

但是，我在测试代码时不断收到关于我的变量之一的错误：step_size。我应该如何纠正问题？谢谢。

res<-gradient.method(f=f1, grad=g1, init=c(100,100), max.iter=100)
Error in value(step_size) : object 'step_size' not found
4

1 回答 1

0

错误消息很清楚，您正在尝试使用step_size尚未在任何地方定义的变量。问题源于您没有optimize正确使用函数这一事实，您应该给它命名您的函数的名称，该名称相对于它的第一个参数最小化。从optimize（使用?optimize）的帮助页面：

F

要优化的功能。根据最大值，函数在其第一个参数上最小化或最大化。

所以你应该这样使用optimize：

value <- function(step_size) oldpair - step_size*newstep 
fn<-function(step_size) f(x)(value(step_size))
min <- optimize(fn,interval)

此外，该变量x未在任何地方定义，您的函数看起来有点奇怪，例如这不是有效的代码f1：g1

 -logLike<- 0.5*n*log(theta[2])-(1/(2*theta[2]))*sum((x-theta[1])**2)

您正在尝试将某些内容分配给名为 的变量-logLike，但不能-在变量名中使用。

编辑：

检查optimize函数返回的文档：

价值

包含最小值（或最大值）和目标的列表，给出最小值（或最大值）的位置和该点的函数值。

因此，您的变量min包含两个元素，尽管您可能只需要代码下一行中的最小值。

于 2013-04-02T06:10:07.063 回答