任何函数的通用数据的参数估计

Question

我有一个功能。例如：

def g(w,d,e):
    s = w-1.
    s1 = s**d+2.    
    s2 = 42. + s1*e**(1/2)
    return s2

让data = np.array([1,2,3,4,5])为s2。但我不知道d和e。

我如何估计他们？错误？

它被称为方法＆＃34; fit＆＃34;在scipy.stats中进行分发。引擎盖下的这种方法是什么？ MLE？采样？函数g是我的分发函数......

Answer 1

根据您的问题，您的功能可以写成

def g(w,d,e):
    return 42. + ((w-1)**d+2)*e**(1/2)

所以你似乎需要的是一个非线性方程求解器，而不是一个最小化预测值和观测值之间的平方误差的拟合程序。 Scipy提供root功能，可以帮助您做您想做的事情。例如，您可以迭代data并计算每个data项的相应参数值

import numpy as np
import scipy.optimize.root as root
sol = []
data = np.array([1,2,3,4,5])
for d in data:
    f = lambda x: g(x[0],x[1],x[2])-d
    sol.append(root(f,x0).x)

函数参数拟合需要您提供一组独立变量值（x）和观察到的相关值（y）。在拟合期间，您通常会尝试找到最小化预测和观察之间差异的参数。