Question

我正在尝试运行如下所示的代码，它是一个简单的最小二乘拟合，我正在跳跃以获得反向变量系数。

import numpy as np
def model(vars, x): 
  model = vars[0]*x[0]+vars[1]*x[1]+vars[2]
  return model
def residuals(vars, x, data):
  err = data - vars[0]*x[0]+vars[1]*x[1]+vars[2]
  return err

from scipy.optimize import leastsq
vars = [0.0, 0.0, 0.0]
x = np.genfromtxt('C:\Arrayx.txt')
data = np.resize(np.genfromtxt('C:\Data.txt'),(5,1))
out = leastsq(residuals, vars, args=(x, data))

Arrayx.txt的内容为：

Data.txt的内容为：

运行代码时出现以下2条错误消息： minpack.error：函数调用的结果不是正确的浮点数组。 ValueError：对象太深，不适合所需的数组。 我是python的新手，对此问题的任何帮助将不胜感激！

Answer 1

你的问题实际上并不是最少的问题：它与numpy数组维度的工作方式有关。

x和data都是二维数组，因为你加载它们的方式（至少对于x，它无论如何都需要为2d; data不会＃39; T）。 Numpy索引是（行，列）。您认为我的x[0]和x[1]意图访问x的第一个和第二个列，实际访问第一个和第二个（第5个）< EM>行。当您将这些1x2数组添加到5x1数据数组时，Numpy会尝试提供帮助。结果是residuals的输出，即最小的qs无法处理（尝试自己运行残差）。

您可能想要做的是访问第一列和第二列，将这些列乘以正确的var元素，然后将（五个）数字添加到数据中的五个数字。要获取x列，您应该执行x[:,0]（所有行，第0列）之类的操作。问题是，这会返回一维数组，并且您已使用np.resize明确地将data二维与一列和五行。你不需要 - 数据实际上只是一维的，所以我们可以删除调整大小。结果如下：

import numpy as np
def model(vars, x): 
  model = vars[0]*x[:,0]+vars[1]*x[:,1]+vars[2]
  return model
def residuals(vars, x, data):
  err = data - vars[0]*x[:,0]+vars[1]*x[:,1]+vars[2]
  return err

from scipy.optimize import leastsq
vars = np.array([0.0, 0.0, 0.0])
x = np.genfromtxt('Arrayx.txt')
data = np.genfromtxt('Data.txt')
out = leastsq(residuals, vars, args=(x, data))

scipy.optimize.leastsq适合：minpack.error

1 个答案: