首页 > TAG信息列表 > least-squares
使用limfit.minimize在Python中最小化目标函数
我对lmfit.minimize最小化程序包有问题.实际上,我无法为我的问题创建正确的目标函数. 问题定义 >我的函数：yn = a_11 * x1 ** 2 a_12 * x2 ** 2 … a_m * xn ** 2,其中xn-未知数,a_m- 系数. n = 1..N,m = 1..M>就我而言,对于x1,..,x5,N = 5；对于y1,y2,y3,python-从scipy.linalg.lstsq获取R ^ 2值
我使用scipy.linalg.lstsq函数具有适合的3D数据集. 我正在使用： # best-fit quadratic curve A = np.c_[np.ones(data.shape[0]), data[:,:2], np.prod(data[:,:2], axis=1), data[:,:2]**2] C,_,_,_ = scipy.linalg.lstsq(A, data[:,2]) #evaluating on grid Zpython – 使用curve_fit来拟合数据
我是scipy和matplotlib的新手,我一直在尝试将函数与数据相匹配. Scipy Cookbook中的第一个例子非常有效,但是当我尝试从文件中读取点时,我给出的初始系数(下面的p0)似乎从未真正改变,协方差矩阵总是INF. 我试图在一条线后拟合数据,但无济于事.我导入数据的方式有问题吗？如果是这样,将弧的3d点拟合为圆(Python中的回归)
我对python比较陌生.我的问题如下 我在一个形成二维弧的任意平面上有一组有噪声的数据点(x,y,z). 我希望通过这些点得到最佳拟合圆并返回：中心(x,y,z),半径和残差. 如何在python中使用scipy来解决这个问题.我可以使用迭代方法解决这个问题并为其编写完整的代码.但是,有没有办法在pyt如何使用仅仅是上限的数据在python中进行最小二乘拟合？
我试图在python中执行最小二乘拟合到具有三个变量的已知函数.我能够为随机生成的有错误的数据完成此任务,但我需要适合的实际数据包括一些数据点,这些数据点是值的上限.该函数将通量描述为波长的函数,但在某些情况下,在给定波长下测量的通量不是带有误差的绝对值,而是通量的最大值,python – numpy：用更多观察结果更新最小二乘的代码
我正在寻找一个基于numpy的普通最小二乘实现,它可以让更多的观察更新拟合.类似于Applied Statistics algorithm AS 274或R的biglm. 如果不这样做,用新行更新QR分解的例程也会引起关注. 有什么指针吗？解决方法:scikits.statsmodels有一个递归OLS,可以更新沙箱中可用于此的反X’X. (仅使用Python拟合模拟和实验数据点
我编写了一些执行蒙特卡罗模拟的代码,并生成信号强度与时间的曲线.这种曲线的形状取决于各种参数,我的合作者想要通过我模拟的实验的“真实版本”确定其中的两个参数. 我们准备将她的实验数据与我的模拟曲线进行比较,但现在我卡住了,因为我还没有能够执行任何拟合(到目前为止,我已如何在lmfit最小二乘最小化中包含我的数据错误,以及lmfit中conf_interval2d函数的这个错误是什么？
我是python的新手,并试图使用lmfit包检查我自己的计算,但是我不确定(1)如何包含错误的以下测试(和2)的数据(sig)的错误得到conf_interval2d如下所示)： import numpy as np from lmfit import Parameters, Minimizer, conf_interval, conf_interval2d, minimize, printfuncspython – 使用scipy least_squares时的ValueError
我试图将我的数据拟合到一个函数.我一直在使用这个示例代码作为指南http://docs.scipy.org/doc/scipy/reference/tutorial/optimize.html#example-of-solving-a-fitting-problem.我的代码如下： from scipy.optimize import least_squares import numpy as np import matplotlib.pypC#代数线性图书馆
我正在寻找一个C#线性代数库. 我不想用最小二乘最小化来求解均匀线性系统. 我一直在尝试使用一些图书馆,但我只能找到简单的解决方案. 有什么建议？解决方法:看到： > http://www.meta-numerics.net/ > http://www.mathdotnet.com/> http://linearalgebra.codeplex.com/ 它们也是开源的java – 多元回归
为了组合同一变量的3个不同的估计器,我需要在Java中实现多元回归方法(因此3个独立变量和1个因变量).我正在寻找一种简单的方法(就像多元回归方法一样简单).从我所做的搜索来看,我认为最小二乘法应该是一种适当的方法,但我想知道你是否建议任何其他方法.此外,我无法在多变量上下文中python – NumPy中最小二乘算法的高效计算
我需要在最小二乘意义上解决大量的线性系统.我在理解numpy.linalg.lstsq(a,b),np.dot(np.linalg.pinv(a),b)和数学实现的计算效率差异方面遇到了麻烦. 我使用以下矩阵： h=np.random.random((50000,100)) a=h[:,:-1].copy() b=-h[:,-1].copy() 并且算法的结果是： # mathematical im使用java计算最小二乘法
我试图找到一个java代码来计算Ax = b方程中的最小二乘解(x). 假设 A = [1 0 0;1 0 0]; b = [1; 2]; x = A\b 返回 x = 1.5000 0 0 我找到了Class LeastSquares, public LeastSquares(double[] a, double[] b, int degree) 但是在输入中,A和B都是一维python optimize.leastsq：将一个圆拟合到三组点
我正在尝试将circle fitting code用于3D数据集.我已经修改了3D点,只需在必要时添加z坐标.我的修改对一组点有效,对另一组有效.如果代码有错误,请查看代码. import trig_items import numpy as np from trig_items import * from numpy import * from matplotlib import pyplot as