R语言optim()优化qhalfnormal的scale参数返回多值问题问询

问题根源 #

你调用optim()时第一个入参par传入了长度为2的向量low_high，optim会默认你要优化长度为2的参数向量，因此返回两个参数值，不是函数自动遍历向量元素，是初始值传入错误导致的。

解决方案 #

单参数优化优先使用R内置的optimize()函数，专门用于一维无约束优化，不需要指定多维度初始值，只需要给定参数搜索区间即可。

正确示例代码 #

library(bayesmeta)

low_high <- c(.1, 1)  
alpha <- c(.025, .975)

# 定义损失函数：实际分位数和理论分位数的残差平方和
loss <- function(scale) {
  pred_quantiles <- qhalfnormal(alpha, scale = scale)
  sum((low_high - pred_quantiles)^2)
}

# 方法1：使用optimize做一维优化，指定scale的搜索区间为0.1到10
opt_1d <- optimize(loss, interval = c(0.1, 10))
# 输出最优scale值
cat("最优scale值：", opt_1d$minimum, "\n")

# 验证结果
cat("对应分位数：", qhalfnormal(alpha, scale = opt_1d$minimum), "\n")

如果一定要使用optim，只需要给par传入单个数值的初始值即可：

# 方法2：使用optim，初始值传入长度为1的数值
opt_optim <- optim(par = 1, fn = loss)
cat("optim得到的最优scale值：", opt_optim$par, "\n")

补充说明 #

半正态分布的两个分位数比值是固定值，你给定的0.1和1的比值（10倍）和半正态0.025/0.975分位数的理论比值（约71倍）不匹配，因此不存在能完全满足两个约束的scale值，上述优化结果是最小二乘准则下的最优近似解。

内容的提问来源于stack exchange，提问作者rnorouzian