［请教］一个R问题 - 未名空间MITBBS历史存档

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>未名空间

>DataSciences - 数据科学

［请教］一个R问题

［请教］一个R问题# DataSciences - 数据科学

c*z2015-04-25 07:04

1 楼

我最近做life time value，用的BTYD包
http://cran.r-project.org/web/packages/BTYD/vignettes/BTYD-walk
里面主要的方程是
pnbd.EstimateParameters 它会call optim，使用L-BFGS-B method
pnbd.LL 这是Pareto/NBD的likelihood function
我能够replicate原文章的结果，但是公司自己的数据有这么三个issue
1. L-BFGS-B method requires a finite value for fn 应该是likelihood function
overflow了，我对所有数据先取一次log，基本上解决了这个问题
2. 非常非常的慢，即使我使用十分之一的数据，把data frame变成matrix也没有帮助
3. 结果不stable，几乎总是取得local optimal，我试着用了 mothod = SANN (
simulated annealing) 也没有帮助
有点stuck了，所以想问问大家
多谢多谢！
chao

c*z2015-04-25 07:04

2 楼

没有数据确实很难诊断问题，如果能给些方向性的指点就不胜感激了

l*n2015-04-25 07:04

3 楼

2的可能性之一是收敛条件和迭代数量，改一下应该可以快些
3的话主要是初值的问题

function

【在 c***z 的大作中提到】

: 我最近做life time value，用的BTYD包
: http://cran.r-project.org/web/packages/BTYD/vignettes/BTYD-walk
: 里面主要的方程是
: pnbd.EstimateParameters 它会call optim，使用L-BFGS-B method
: pnbd.LL 这是Pareto/NBD的likelihood function
: 我能够replicate原文章的结果，但是公司自己的数据有这么三个issue
: 1. L-BFGS-B method requires a finite value for fn 应该是likelihood function
: overflow了，我对所有数据先取一次log，基本上解决了这个问题
: 2. 非常非常的慢，即使我使用十分之一的数据，把data frame变成matrix也没有帮助
: 3. 结果不stable，几乎总是取得local optimal，我试着用了 mothod = SANN (

w*c2015-04-25 07:04

4 楼

bless.

z*n2015-04-25 07:04

5 楼

in the manual:
This function may take some time to run.
try to read the code to see if the authors pass gr to optim or not.

function

【在 c***z 的大作中提到】

c*z2015-04-25 07:04

6 楼

@longtian大牛：
Issue 2 能展开说说吗？我看了一下optim的代码，它会call一个C程序叫做C_optim，
好像收敛条件和迭代数量得在那里改？有点头大，很久没有弄C了。
@zhanghan大牛：
原作者没有pass gr，不知道从那个超复杂的likelyhood弄个gr会有多麻烦？
多谢各位大牛！

c*z2015-04-25 07:04

7 楼

I found the controls for the convergence tolerance and max number of
iterations in the optim() function.
Am playing with the different methods and combination of controls.
Thanks a lot!

c*z2015-04-25 07:04

8 楼

OK, got some running code and stable results. However one parameter is too
big and p_alive is always 1.
Any clue to fix this? Thanks a lot!