Question

我知道scipy.optimize中有一个最小二乘的例子，但是我在剩余功能上遇到了三天以上的麻烦。我决定完全描述这个问题。我通过网站发现了一些其他类似的问题，但我无法在程序上找到它并且在我的情况下真的很困惑。我无法正确创建适合scipy.optimize.leastsq 残差的剩余函数。我真的很喜欢..

这个问题恰好是A * x = b问题。让我稍后解释一下：

INPUT：

y - 例如：y1 = dot（delta_1，array（[x2，x5，x6]））
x - 8个未知数[x2，x4，x5，x6，x7，x10，x13，x16]
delta - length。

步骤：

功能 f（x_m，delta_n_m），n - 行，m - cols。
残差 | b_n - f（x，delta）| ^ 2
使用scipy.optimize.leastsq（残差，x0，arg（delta））最小化残差

我还有函数，残差，最小化器和INPUTS，但是，我真的与剩余函数叠加。

找到： - （x2，x4，x5，x6，x7，x10，x13，x16），所以，我把所有的值放在代码中。

码

import numpy as np
from scipy.optimize import leastsq


def function(x,delta):
        return dot(delta, x)

def residual(x, delta, y):
       error = y - dot(delta, x)
       return sum(error**2)


def main():    


  # INPUTS
  # Unknown values 
  x = [x2, x4, x5, x6, x7, x10, x13, x16]

  delta = np.array([1.76762035, 2.04349174, 1.25674742], 
                   [0.94873891, 2.01859342, 1.46348023], 
                   [0.83678402, 1.12030343, 0.92516861],
                   [1.43, 2., 2., 1.57])

  y = np.array([0.8353410485015903, 0.73620941924970962, 
                0.45428639186344633, 1.6180418445100002]

  x_init = np.zeros(len(x))

  result = leastsq(residual, x, args=(delta,y) )

  print result[0]

if __name__ == '__main__':
      main()

Answer 1

leastsq期望残差函数只返回残差，即：

def residual(x, delta, y):
    return y - dot(delta, x)

剩余至少方形scipy.optimize.leastsq（），最佳解决方案

1 个答案: