Math scipy.optimize.minimize不断返回数学错误，超出范围

我使用scipy.opimize.minimize为数据集（具有给定pdf）的负对数似然性寻找最佳拟合参数。计算pdf和负对数似然的函数如下所示：

def density(time, x, y, z):
    w = (z/x)*mt.exp(-time/x) + ((1-z)/y)*mt.exp(-time/y)
    return w


def NLL2(params):

    sig = 0
    a, b, c = params[0], params[1], params[2]
    for i in range(0, 100):
        sig = sig - mt.log(density(xval[i], a, b, c))
    return sig

其中xval是数据集（0-10之间的100个时间值列表）。值得一提的是，pdf是一个双重衰减过程

我已经得到了x、y和z的起始值（存储在一个名为“初始猜测”的列表中，该列表作为“param”参数提供给NLL2函数），我必须找到x、y和z的最佳拟合值（即，对于给定数据集xval，使NLL2最小化的那些值）

我尝试使用以下代码行执行此操作：

initial_guesses = [1.30719636,  0.19783642,  0.25150731]

best_fit = sci.optimize.minimize(NLL2, initial_guesses, bounds = [(0.1, 20), (0.1, 20), (0.1, 1)], method = 'L-BFGS-B').x

边界已经被选择，因为我“应该”得到的是类似于[1.3,0.2,0.25]的东西，即接近初始值。但是，当我这样做时，我经常会收到以下错误消息：

文件“newcode2.py”，第125行，NLL2格式 sig=sig-mt.log（密度（xval[i]，x，y，z）） ValueError:数学域错误

我知道这是因为对数取负值，但我给最小值的界限应该可以防止这种情况发生

为了进一步研究，我将NLL2函数更改为：

def NLL2(params):

    sig = 0
    a, b, c = params[0], params[1], params[2]
    for i in range(0, 100):
        if density(xval[i], a, b, c) > 0:
            sig = sig - mt.log(density(xval[i], a, b, c))
        else:
            print density(xval[i], a, b, c), xval[i], params, '\n'
    return sig

终端现在打印的内容示例如下：

def NLL2(params):

    sig = 0
    a, b, c = params[0], params[1], params[2]
    for i in range(0, 100):
        if density(xval[i], a, b, c) > 0:
            sig = sig - mt.log(density(xval[i], a, b, c))
        else:
            print density(xval[i], a, b, c), xval[i], params, '\n'
    return sig

-4.25654045048e-10 2.76533572107[0.120.1.00000001]

所以，不知怎的，参数会达到我设定的界限的极限，在最后一个例子中，实际上会超过1e-8。这会导致密度函数返回一个微小的负数，从而导致崩溃

有人知道我怎样才能阻止极小化者这么做吗？我也尝试过使用SLSQP方法，但遇到了同样的问题

我很抱歉，如果我提供了太多的细节，但我很累，我也想提供任何可能有用的信息

---

注意：我已将数学类导入为mt.

而没有进一步分析您的问题：如果您确定密度输出应为正值，则始终可以剪裁密度输出。例如，

np.clip（x，0+eps，np.inf）

。当然，这可能会有一些副作用。@11天哪，你可以尝试直接优化可能性（而不是它的日志版本）。不幸的是，我的作业要求我最小化可能性的对数。不需要进一步分析你的问题：如果你确定密度输出应该是正的，你可以随时剪裁密度输出。例如，

np.clip（x，0+eps，np.inf）

。当然，这可能会有一些副作用。@11天哪，你可以尝试直接优化可能性（而不是它的日志版本）。不幸的是，我的作业要求我最小化可能性的对数。