Python中的Newton-Raphson算法不起作用；只有一个方向的估计

首先阅读：问题只是绝对值的括号应该在实际分数附近。现在的问题是它实际上不够精确，它忽略了0.000001，而more更喜欢0.0001作为公差（当我要求它接近55时，它停在54.99439921372205）。我将容忍度增加到一个疯狂的0，然后是1，但例如大约50，它估计为49.14！！可怕的！为什么会发生这种情况

更新：它必须是一个

float（）

我试图找到θ，它属于一个基于向量的函数。我在R中运行了这段代码，我试图将它从R翻译成Python

当格伦斯分数等于50时，我想要近似θ的值。 我有一个θ=0.5的起始值，然后它在R中迭代。 在R中只需要大约11次迭代就可以达到这一点

不幸的是，这在Python中不起作用，我将其隔离了这么多：出于某种原因，这些值只能低于0.5，但不能高于0.5。在这些地方使用打印甚至表明它没有运行代码中的

#a

部分，而

#b

部分运行。这表明该值永远不会上升，因此我永远找不到像0.4这样的值（因为它必须上升0.5、0.25、0.37.5、0.4375等，但它只能下降；0.5、0.25、0.125，然后迟早会停止）

我可以看到它运行着#b。当它不得不下降时，它会分开很多次，但它永远不会上升。我也把它们调换了一下，看看是否有顺序效应，但实际上没有：它根本就不认为它是真的（即使我知道它是真的） 有人能看到出了什么问题吗，因为这是在R工作

def CalcTheta(grensscore, alpha, beta):
    theta = 0.5
    estimate = [10000]   # I just set this to not error on the check
    up = 1
    down = 0

    while((math.fabs(sum(estimate)) - grensscore) > 0.00001):

        if estimate == [10000]:     # I set it like this, 
            estimate = [grensscore] # so it will skip the first run

        # a.
        if (sum(estimate) - grensscore) < 0:
            down = theta
            print(down)
            theta = (theta + up) / 2
            print(theta)

        #b.
        if (sum(estimate) - grensscore) > 0:
            print(up, down, theta)
            up = theta
            theta = (theta + down) / 2
            print(up, down, theta)

        for x in range(len(beta)):
            if x == 0:
                estimate = []

            estimate.append(math.exp(alpha[x] * (theta - beta[x]))  / (1 + math.exp(alpha[x] * (theta - beta[x]))))

    return(theta)

CalcTheta(50, data[:,1], data[:,2])

def CalcTheta（Grenscore、alpha、beta）：
θ=0.5
estimate=[10000]#我只是在检查时将其设置为not error
up=1
向下=0
而（（数学fabs（总和（估计））-grensscore）>0.00001）：
如果估算==[10000]：#我这样设置，
estimate=[grensscore]#因此它将跳过第一次运行
#a。
如果（总和（估计）-格伦斯得分）<0：
向下=θ
打印（向下）
θ=（θ+向上）/2
打印（θ）
#b。
如果（总和（估计）-grensscore）>0：
打印（向上、向下、θ）
向上=θ
θ=（θ+向下）/2
打印（向上、向下、θ）
对于范围内的x（len（beta））：
如果x==0：
估计数=[]
append（math.exp（alpha[x]*（theta-beta[x]）/（1+math.exp（alpha[x]*（theta-beta[x]））
返回（θ）
CalcTheta（50，数据[：，1]，数据[：，2]）

有一些库可以为您做到这一点。我建议（

scipy.optimize.newton

）。可在此处找到配方：

---

有一些库可以为您做到这一点。我建议（

scipy.optimize.newton

）。可在此处找到配方：

问题是

while（math.fabs（总和（估计））-grenscore>0.00001）：

应该是

while（math.fabs（总和（估计值）-grenscore））>0.00001:

对于另一个部分，它不是一个浮动，因此它不是真正精确的

while（math.fabs（总和（估计））-grenscore>0.00001）：

应该是

while（math.fabs（总和（估计值）-grenscore））>0.00001:

---

对于另一部分，它不是一个浮点，因此它没有真正精确。

我不知道函数的素数；我不知道怎么做。

fprime

是可选的，您只需要提供函数本身和零值的第一个估计值。（实际文档在这里：）我不知道函数的素数在这里；我不知道怎么做。

fprime

是可选的，您只需要提供函数本身和零值的第一个估计值。（实际文档在这里：）我不清楚您是否自己解决了这个问题。如果你已经解决了这个问题，如果你能为自己的问题写一个答案就好了。我不确定这是否只是一个打字错误，实际代码是corerct，但是带有

while

语句的行关闭的括号多于打开的括号。我很确定这会导致语法错误。我不清楚你是否自己解决了这个问题。如果你已经解决了这个问题，如果你能为自己的问题写一个答案就好了。我不确定这是否只是一个打字错误，实际代码是corerct，但是带有

while

语句的行关闭的括号多于打开的括号。我很确定这会导致语法错误。