pyomo中的mle参数估计

Question

我想用pyomo从行为数据集中估计RL模型的参数。

#dummy data
dis_data =  pd.DataFrame([0,1,0,0,0,1], columns=['reward'])
dis_data['Expt']=str(1)
dis_data = dis_data.set_index('Expt')

def max_likelihood_four(x,data):
lr=x.lr
sigma=x.sigma
time = data.shape[0]
v = np.zeros(([2, time]))
pr = np.zeros(([2, time]))+0.5
pr_log = np.zeros(([time]))
for t in range(time-1):
pr[1, t] =  1 / (1 + np.exp(-(v[1, t] - v[0, t])/ sigma))
pr[0, t] = 1-pr[1, t]
outcome=int(data.ix[t,'reward'])
v[choice, t + 1] = v[choice, t] + lr * (outcome - v[choice, t])
v[1 - choice, t + 1] = v[1 - choice, t]
pr_log[t] = np.log(pr[choice, t])
# print(i)
return -np.sum(pr_log)
def pyomo_fit1(df):
mdl = ConcreteModel()
mdl.lr    = Var(initialize=np.random.random(1), bounds=(0, 1))
mdl.sigma = Var(initialize=np.random.random(1), bounds=(0, 10))

residuals = max_likelihood_four(mdl,df)
mdl.obj = Objective(expr=residulas, sense=minimize)
SolverFactory('ipopt').solve(mdl)
return [mdl.lr,mdl.sigma]
parameter_values_1, r1 = pyomo_fit1(dis_data)

我得到这个错误：

"不能将标量分量"sigma"视为索引分量"；

Answer 1

np.random.random(1)返回一个numpy.ndarray，而不是整数或浮点值。当您尝试将mdl.sigma初始化为标量pyomo变量时，需要使用标量值，或者在本例中使用np.random.random(1)[0](数组中唯一的元素(。

如果您将mdl.sigma(以及mdl.lr(的代码替换为：

mdl.sigma = Var(initialize=np.random.random(1)[0], bounds=(0, 10))

则错误("不能将标量分量‘sigma’视为索引分量"(错误应该消失。

mdl = ConcreteModel()
mdl.lr    = Var(initialize=np.random.random(1)[0], bounds=(0, 1))
mdl.sigma = Var(initialize=np.random.random(1)[0], bounds=(0, 10))