也许这是个愚蠢的问题,请见谅,但是从这里来看:
N = 10000
x = 10 + 2*np.random.randn(N)
y = 5 + x + np.random.randn(N)
def neg_loglike(const,coef,std):
mu = const + coef*x
print(mu.shape)
return -1*stats.norm(mu, std).logpdf(y).sum()
seed = np.array([1,1,1])
res = minimize(neg_loglike, seed, method = 'Nelder-Mead',
options={'disp': True})
在这种情况下,mu是一个数组/向量,而stats.norm
是否为每个x值生成正态分布?正态分布具有多个均值意味着什么...(显然我没有理解这一点)
最后,对res.x
中最优值的正确解释是这些参数生成一组正态分布,最大化在分布中看到y的概率吗?