最小二乘优化NOT CURVE FITTING

时间:2013-06-16 14:34:44

标签: scipy curve-fitting least-squares

我正在处理最小二乘(SCIPY)问题。通常至少sq问题给出了X数据和Y数据,给出了函数的一般形式,如线性/二次/对数,并且基于x和y数据,我们优化了曲线方程的参数 - 这就是CURVE拟合

但我想做的是给出Y数据和函数的确切形式,估计X数据是什么...... x数据是多维的,即有40个参数,其中只有4个被实现每个实验。我在下面展示了一个例子 -

X data       Y data      function
a,b,c,d       0.4        a+b+c+d
a,c,d,e       0.2        a+c+d+e
c,d,e,k       0.7        c+d+e+k
..................................
..................................
..................................


so:
a+b+c+d = 0.4
a+c+d+e = 0.2
c+d+e+k = 0.7
...........
............
..........

假设我们有大量的此类数据

所以函数是完全已知的,它只是x数据的总和。有很多参数需要估算,(40),在每个实验中只实现了4个这样的参数,每个x数据都有相应的y值 这是不可能的?

不重要我正在处理与DNA转录因子结合有关的问题

1 个答案:

答案 0 :(得分:0)

您只需要获得最多40个线性独立的方程组,然后使用线性方程组的方法来求解系数。