【发布时间】：2017-01-20 19:25:14
【问题描述】：
我最近对足球统计感兴趣。现在我想在 Python 3.5 (paper-link) 中实现著名的 Dixon-Coles 模型。
基本问题是，从论文中描述的模型中，得到了一个具有大量参数的似然函数，需要最大化。
例如：一个德甲赛季的似然函数将产生 37 个参数。当然我做了相应的负对数似然函数的最小化。我知道这个log 函数是严格的凸，所以优化应该不会太难。我还包括了分析梯度，但由于参数数量超过了 ~10，SciPy-Package 中的优化方法会失败 (scipy.optimize.minimize())。
我的问题： 还有哪些其他优化技术最适合涉及约 40 个独立参数的优化问题？
其他方法的一些提示会很棒！
【问题讨论】：
-
你应该给我们更多的信息！你争论 log 的凸性，但整个问题也是凸的吗？如果是这样，请坚持使用凸编程求解器（scipy 中不可用；将 cvxpy 与求解器 ECOS 或 SCS 一起使用）。另外：为什么不向我们展示您的代码？你用的是哪个优化器？失败是什么意思（有这么多可能的问题）？
标签： python python-3.x optimization scipy convex