r - 通过 R 中的 Huber 损失函数进行优化
问题描述
我目前正在使用nls.lm
R 中的包来优化我的模型。据我从minpack.lm
包裹的文档中了解到,只有标准的平方损失可以被接受作为退货。
优化提供的答案非常好并且相当快。但是,我对异常值的权重有疑问,因此想尝试使用 Hubers 损失函数来替代平方损失。我已经尝试了一些标准优化算法,例如 `optim 中的各种选项,但这些方法似乎对我的数据失败。全局优化也不能解决问题,因为我需要优化很多参数。
简而言之,我正在寻找一种优化方法,它允许自定义损失函数(非线性),它也接受初始参数猜测。R中是否有一种方法可以使用非线性迭代重新加权最小二乘法?像这样的东西:https ://en.wikipedia.org/wiki/Iteratively_reweighted_least_squares ?
希望有人可能知道一种方法,任何帮助都会受到好评:)
请注意,我无法分享我的数据/模型,因为不幸的是它们是更大项目的一部分
解决方案
推荐阅读
- angularjs - 如何从 Form.IO 表单构建器中删除类别或字段?
- javascript - 在对象数组上映射时使用解构时如何写我的条件
- amazon-web-services - 为 Lambda 授权方启用预置并发
- node.js - 使用 NODE js,我输入 Terminal npm,它开始向我显示错误。而我解决不了
- java - 如何使用线程上下文跨方法传递对象?
- c# - 在 C# 中使用 JSON 路径动态创建 JSON 对象
- python - 如何使用 Python 中的 sum() 函数来查找列表中所有正数的总和?
- kdb - 在这种情况下,如何在 kdb 中编写正确的查询?
- c++ - 尝试编译此构造函数时出现错误
- maven - Jenkins Travis-CI 构建在 cli 模块中失败(阴影失败)