我希望能够在关节最小二乘方向中沿着渐变移动。
我以为我可以使用scipy.optimize.leastsq（http://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.leastsq.html）来完成此操作。 （也许我错了，也许有更简单的方法吗？）。
我很难理解使用什么，以及如何在联合最小二乘方向上移动，同时仍然增加参数。
我需要做的是输入以下内容：
[1,0]
并且，让它沿着最小二乘方向移动，这意味着增加值1和0中的一个或两个，但是这样做，使得平方值的总和小到可能。
这意味着[1,0]会增加到[1, <something barely greater than 0>]，最终会达到[1,1]。此时，1＆＃39; s将以相同的速率增加。
我该怎么编程呢？在我看来，scipy.optimize.leastsq会在这里使用，但我无法弄清楚如何使用它？
三江源。
答案 0 :(得分：1)
我认为您不需要scipy.optimize.leastsq，因为您的问题可以通过分析解决。在任何时候，np.sum(x)是x数组的函数2*x的渐变是np.argmin。因此，如果要获得最小的增量，则必须增加渐变的最小分量，您可以使用def g(x):
return np.array(2*x)
x = np.array([1.,0.])
for _ in range(200):
eps = np.zeros_like(x)
index = np.argmin(g(x))
eps[index] = 0.01 #or whatever
x += eps
print(x)
找到该分量。这是一个简单的解决方案：
np.argmin当多个索引具有相同的值时，eps会返回第一个匹配项，因此您将遇到某些可以最大限度地减少[{"pseudo":"Lucia","id":2},{"pseudo":"Romain","id":1}]