least-squares

4熱度

1回答

我正在嘗試使用matplotlib將曲面模型擬合到3D數據集（x，y，z）。其中z = f(x,y)。所以，我要對二次擬合方程： f(x,y) = ax^2+by^2+cxy+dx+ey+f 到目前爲止，我已經成功地繪製了用最小二乘法採用3D-安裝面： # best-fit quadratic curve A = np.c_[np.ones(data.shape[0]), da

1熱度

1回答

具有兩個非線性相等約束的最小二乘法優化

我正在尋找一種方法來解決具有兩個非線性相等約束的優化問題。我的成本函數是 E = 0 for n in range(1, N): E += (np.linalg.norm((x[:, i] - o - np.dot(x[:, i], a) * a)) - r) ** 2 我的兩個非線性等於約束 np.dot(a, o) = 0 np.linalg.norm(a) = 1 我

3熱度

1回答

從scipy.linalg.lstsq獲取R^2值

我有一個使用scipy.linalg.lstsq函數的擬合3D數據集。我用： # 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熱度

1回答

使用Levenberg-Marquardt算法查找模型的參數leastsq

我想使用model找到參數A，B，C到數據x，y使用model y= Ax^2 sin(x)/cos(x)^C + B 我想從scipy.optimize使用leastsq，但出現錯誤。這裏是我的嘗試： x=n.array(x) y=n.array(y) model=lambda tpl,x :(tpl[0]*x**2 * n.sin(x))/((n.cos(x)**tpl[2]) *tp

2熱度

2回答

scipy.optimize.curve_fit引發運行時錯誤

這是我第一次使用curve_fit，但我還沒有找到符合我的問題的示例。我的問題是，我是否正確使用curve_fit數據格式？如果是，那麼我的問題是數學問題，我必須糾正它（我還沒有發現任何錯誤...）。這裏是我的代碼： import numpy as np import math as m import scipy.optimize as sci def f4(X,Tx,Ty,Tz,i,j

0熱度

1回答

使用GSL的非線性擬合

所以我試圖修改一些代碼，我發現here以適應不同的功能，但我稍微修改後的版本無法收斂，我不明白爲什麼。我試圖找到最小二乘適合的功能是「A +拉姆達日誌（T）+ B日誌（T）^ 2。下面的代碼的main.cpp #include <stdlib.h> #include <stdio.h> #include <gsl/gsl_rng.h> #include <gsl/gsl_randist.

0熱度

1回答

如何將最小二乘法應用於Levenberg-Marquardt算法的內置模型

我正嘗試使用lmfit中內置的Voigt模型將最小二乘法應用於我的數據。但是我必須調用Minimizer類來應用最小二乘法，它需要一個函數。因爲我使用了lmfit給出的內置模型，所以我沒有函數。我沒有使用Voigt模型的簡單功能。您的建議是什麼？極小類：（http://lmfit.github.io/lmfit-py/fitting.html#module-Minimizer）

3熱度

1回答

如何在Python中對站點進行加權以降低命令最小二乘？

我有10個氣候站的降水數據，它是DEM。我做了一元線性迴歸如下： DEM = [200, 300, 400, 500, 600, 300, 200, 100, 50, 200] Prep = [50, 95, 50, 59, 99, 50, 23, 10, 10, 60] X = DEM #independent variable Y = Prep #dependent variable

2熱度

1回答

使用numpy和scipy的python中的最小二乘估計

scipy和numpy都有最小平方估計，但在閱讀文檔後我稍微感到困惑。所以，我的問題是經典迴歸，我試圖找到兩對值之間的最佳矩陣變換。所以有一些形式： Ax = b 在這裏，我知道x和b。 A有9個獨特的組件，x和b是3D矢量。所以，我至少需要3分。所以，3個非共線x和b和我有他們，我可以創建一個3x3串聯的x和b向量。但是，從文檔中，我發現它是專爲A和b已知的系統求解而設計的。所以我們解決

0熱度

1回答

Python從函數調用優化leastsq錯誤結果不是浮子

我有陣列d與我的數據的適當的陣列： --> d array([[ 60.41202301, 58.39997156, 55.3667636 , ..., -84.87512796, -86.79190447, -86.19353546], [ 60.10975935, 58.05402795, 55.3898762 , ..., -86.60428129, -