我试图最小化这个功能：
\min_{\mu} \sum_{t=T}^T \| y_t - \mu_t \| 2 + λ\sum {t=1}^{T-1} \|mu_{t+1}-\mu_{t}\|_2
其中： y 和 mu 是 p*T 矩阵。在我使用 solve() 函数之前，一切都编译得很好。
这是我用 y 编码的 ap*obs 矩阵
library(CVXR)
mu <- Variable(p, obs)
# group lasso ----
total_var <- lapply(X = seq_len(obs-1), FUN = function(j) mu[,j+1] - mu[,j])
total_var_norm <- lapply(X = total_var, FUN = cvxr_norm, p=2)
group_lasso <- Reduce(f = sum, x = total_var_norm)
# loss function ----
col_diff <- lapply( X = seq_len(obs), FUN = function(j) y[,j] - mu[,j])
col_diff_norm <- lapply( X = col_diff, FUN = cvxr_norm, p=2)
loss <- Reduce(f = sum, x = col_diff_norm)
# convex optimization ----
objective_mu <- loss + lambda * group_lasso
problem_mu <- Minimize(objective_mu)
result_mu <- solve(problem_mu)
一切都执行得很好，直到result_mu <- solve(problem_mu). 我在哪里收到以下错误消息：
> result_mu <- solve(problem_mu)
Error in as.vector(data) :
no method for coercing this S4 class to a vector
到目前为止一切都很好。
我还尝试了以下公式：
# group lasso ----
group_lasso <- norm(mu[,2] - mu[,1], type = "2")
for (s in 2:obs-1){
group_lasso <- group_lasso + norm(mu[,s] - mu[,s+1], type = "2")
}
# loss function ----
loss <- norm(y[,1] - mu[,1], type = "2")
for (s in 2:obs){
loss <- group_lasso_2 + norm(y[,s] - mu[,s], type = "2")
}
具有相同的目标和问题函数。在这里，我再次在同一点收到完全相同的错误消息。
我看不出代码在什么时候出错了......任何指针？
谢谢