为了计算最佳θ，例如在逻辑回归中，我必须创建一个costFunction(要最小化的函数)，然后将其传递给fminunc以获得最佳theta。
另外，如果可以计算costFunction的梯度，则可以使用以下命令将“GradObj”选项设置为“on”
options = optimset('GradObj','on');
并对costFunction进行编码，以使其返回X的梯度值g作为第二个输出参数。
然后我给
[theta, cost] = fminunc(@(t)(costFunction(t, X, y)), initial_theta, options);
其中X是数据矩阵，y是响应。如何在R中实现以上内容？
最佳答案
看一看optim函数。它可以使用method = 'L-BFGS-B'进行无约束的最小化，并且您还可以指定解析函数来计算梯度
编辑。正如Ben正确指出的那样，fminunc可以进行无约束的优化，这也可以通过使用optim函数选择Nelder-Mead或BFGS来实现。此外，我还从fminunc文档中注意到，它使用trust区域方法进行了大规模优化。我相信有一个R包trust可以做同样的事情。我建议您看看R的optimization task view。
关于r - Matlab的fminunc函数的R等效项是什么？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/7920590/