多项式收敛
Convergent in multinomial
希望你不要认为这个问题毫无意义，因为我一直在努力研究代码，我不明白为什么它不收敛到相同的值。
我编写了 Newtow Raphson R 代码来估计收敛时的多项逻辑模型，我从我的对数和 R 函数多项式的构建中得到了不同的显着值。这是我的算法的输出
> t(new$coefficients)
X0 X1 X2 X3 X4
1 1.055977 0.08972323 0.7070484 -0.4951407 0.1878713
2 1.845272 -0.26688254 0.6945098 -0.2749830 -2.0379031
这是内置函数的输出
fit <- multinom(fm, data=df, Hess=TRUE)
> coef(fit)
X0 X1 X2 X3 X4
1 1.055960 0.08972217 0.7070560 -0.4951362 0.187872
2 1.845253 -0.26688462 0.6945132 -0.2749767 -2.037911
任何人都可以帮助我理解为什么这个显着在小数点后 4/5 之后。如果你想看我的代码，我会私下与你分享，因为我还没有准备好发布它。
谢谢
您的函数与 R 内置函数输出之间的差异是完全可以接受的。这是值得期待的，因为这种类型的两个函数，编码不同，会带来不同的小错误，舍入等。
希望你不要认为这个问题毫无意义，因为我一直在努力研究代码，我不明白为什么它不收敛到相同的值。
我编写了 Newtow Raphson R 代码来估计收敛时的多项逻辑模型，我从我的对数和 R 函数多项式的构建中得到了不同的显着值。这是我的算法的输出
> t(new$coefficients)
X0 X1 X2 X3 X4
1 1.055977 0.08972323 0.7070484 -0.4951407 0.1878713
2 1.845272 -0.26688254 0.6945098 -0.2749830 -2.0379031
这是内置函数的输出
fit <- multinom(fm, data=df, Hess=TRUE)
> coef(fit)
X0 X1 X2 X3 X4
1 1.055960 0.08972217 0.7070560 -0.4951362 0.187872
2 1.845253 -0.26688462 0.6945132 -0.2749767 -2.037911
任何人都可以帮助我理解为什么这个显着在小数点后 4/5 之后。如果你想看我的代码，我会私下与你分享，因为我还没有准备好发布它。
谢谢
您的函数与 R 内置函数输出之间的差异是完全可以接受的。这是值得期待的，因为这种类型的两个函数，编码不同，会带来不同的小错误，舍入等。