我正在尝试使用 lme4 的开发版本和本教程对混合效应模型进行功率分析。我在教程中注意到 lme4 会引发收敛错误：

当我为我的数据集运行代码时，会出现同样的警告，其中：

使用此更新版本进行的常规 glmer 调用的估计值也与我使用更新的 CRAN 版本时略有不同（在这种情况下没有警告）。关于为什么会发生这种情况的任何想法？

编辑

我试图指定的模型是：

我拥有的数据集有一个主体间（年龄，居中）和两个主体内变量（相似度：2 个级别，percSem：3 个级别），用于预测二元结果（错误记忆/猜测）。此外，每个受试者内部单元格都有 3 个重复测量值。因此，每个人总共有 2 x 3 x 3 = 18 个二元响应，总共有 38 个参与者。

我正在研究的模型是多项 logit 选择模型。这是一个非常具体的数据集，因此其他现有的 MNLogit 库不适合我的数据。

所以基本上，这是一个非常复杂的函数，它接受 11 个参数并返回一个对数似然值。然后我需要找到可以使用 scipy.optimize.minimize 最小化对数似然的最佳参数值。

以下是我使用不同方法遇到的问题：

'Nelder-Mead'：效果很好，而且总是给我正确的答案。但是，它非常缓慢。对于另一个设置更复杂的功能，需要 15 个小时才能达到最佳点。同时，使用 fminunc（默认使用 BFGS）在 Matlab 上相同的功能仅需 1 小时

'BFGS'：这是 Matlab 使用的方法。它适用于任何简单的功能。但是，对于我拥有的函数，它总是无法收敛并返回“由于精度损失而不一定实现的期望错误。”。我花了很多时间玩这些选项，但仍然无法工作。

'Powell'：快速收敛，但返回错误的答案。代码打印在下面（x0 是正确答案，Nelder-Mead 适用于任何初始值），您可以在此处获取数据：https ://www.dropbox.com/s/aap2dhor5jyxy94/data.csv

谢谢！

更新：2014 年 3 月 7 日更简单的代码版本现在 Powell 在非常小的容差下运行良好，但是在这种情况下 Powell 的速度比 Nelder-Mead 慢。BFGS 仍然无法正常工作。

我模拟了一些样本路径 S_n=sum(X_i)，其中 X_i 被模拟为具有不同的分布。

然后我看一下 S_n 为正的时间比例。其中n是样本路径的长度，我模拟了大量的样本路径。

这遵循反正弦密度，我用 PP 图和 QQ 图显示了这一点。

但我想看看 X_i 的哪个分布最快收敛到极限反正弦分布。

我该怎么做呢？

谢谢，

许多数值问题的形式如下：

我想知道是否有一种很好的方法可以使用惯用的 Scala 编写这样的算法。问题的性质要求使用Iteratoror Stream。但是，我目前对此的看法真的很丑：

这不仅丑陋，模式匹配takeWhile也会引起警告。显然我不必在这里进行模式匹配，但我希望与数学原件保持强烈的相似性。

有什么想法可以让这个看起来更漂亮吗？

我遇到了与 dmartin 上一篇文章相同的问题，但提出的解决方案不适用于我的数据集。

试图适应：

我将我的 R 版本上传到 R-3.1.0 for Windows（32/64 位），以便运行 glmmADB 包作为对交互因素应用事后测试的一种方式。

在此之前，我在以前的 R 版本中使用 glmer，它至少对 glmer 运行良好，它给了我以下输出：

由于我对栖息地和污名类型的每个级别之间的差异以及相互作用感兴趣，我ghlt从以下位置申请multicomp：

并且：
错误：pwrssUpdate 在 (30) 次迭代中没有收敛

从这里，我切换到 R最新版本进行安装glmmADMB，并收到消息：
警告消息：在 checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, :
Model failed to blend with max|grad | = 0.00436052 (tol = 0.001)

我按照 Ben Bolker 的说明（对 dmartin 的回应）尝试使用
control=glmerControl(optimizer="bobyqa") 进行改装，但
警告消息：1：在 checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, : 模型未能收敛到 max|grad| = 52.2329 (tol = 0.001) 2: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv, : 模型未能收敛: 具有 1 个负特征值的退化 Hessian

有什么想法吗？

谢谢！

我一直在使用 Synth 包（它使用 optimx 进行优化），但我找不到 Synth 在不收敛时是否给出不收敛错误的答案。我可以在 optimx 的帮助文件中看到，默认情况下，它不会保存失败（即那些不收敛的答案），所以我猜测默认情况下它不会将这些失败传递给 Synth；但是，我想确保我得到的答案是一致的。有没有办法通过 convcode() 设置或其他方式来确定这一点？

我需要有关 Mathematica 积分的帮助：

我需要计算0 和 Infinity 之间x^(1/4)*BesselJ[-1/4, a*x]*Cos[b*x]的x变量（a和b是参数）的积分。

该函数很复杂，不存在分析原语，但是当我尝试使用 NIntegrate 进行数值运算时，它没有收敛。但是x^(1/4)*BesselJ[-1/4, a*x]确实收敛（实际上可以通过解析计算），所以另一个应该收敛，Mathematica 的问题必须是一些数值误差。

在 R 中编码时，我发现该函数svd()有时可能会抛出错误消息：

在谷歌中搜索了一些信息，结果发现这个错误意味着使用的算法svd()没有收敛。很多人也遇到了同样的错误信息，我尝试了他们使用的许多方法，但没有一种方法能正常工作，例如使用 parameter LINPACK = TRUE，舍入矩阵甚至使用propack.svd()and trlan.svd()。

我的输入数据是一个矩阵，对角线条目等于 1，其他条目为 0 或相对较小。我猜这个错误与数值精度有关，所以我尝试将矩阵四舍五入round(matrix,6)。这有时会有所帮助，但不能从根本上解决问题，我担心这种四舍五入会导致一些有偏见的结果。

如果有人能告诉我如何解决这个问题，我将不胜感激。

我是神经网络的新手，我试图通过简单地加载两个不同的时间序列数据 x 和 y（它们是 300 x 1 向量）来训练 NN。x 是预测变量的值集，y 是因（输出）变量。顺便问一下，这个逻辑是真的吗？还是我需要提供 y 的不同部分？

无论如何，当我net = train(feedforwardnet(20),x,y);立即停止训练并告诉我达到了绩效目标时。见下图：

所以我想我需要改变一些参数，比如错误阈值什么的，但我不知道是什么，所以我正在寻找我做错了什么的解释。

谢谢你的帮助 ！

附言

即使 x 和 y 不同，它们也遵循相似的趋势，因此它们是相关的，这可能是问题的线索。我也尝试过规范化值，仍然没有任何变化。

For this dataset:

Where "x" is the temperature and "y" is the response variable of a biological process

I'm trying to fit this function

But, I'm having this message error:

Error en numericDeriv(form[[3L]], names(ind), env) : Missing value or an infinity produced when evaluating the model

I've tried the same function with another similar dataset and fits correctly...

Could someone help me with this?

Session Info: