Question

我想找到“xA = b”的非负最小二乘解。我很高兴获得Python，Matlab或R的答案。

A是一个6 * 10矩阵，b是8192 * 10矩阵。

我发现了一些函数：Python中的least_squares和nnls以及Matlab中的lsqnonneg。

nnls和lsqnonneg仅用于Ax=b。

我对least_squares的实施给了我一个错误：

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

from scipy.optimize import least_squares

spec=pd.read_csv('spec.csv',sep=',',header=None)
y=pd.read_csv('y.csv',sep=',',header=None)

spec=np.array(spec).T
y=np.array(y)

spec=spec[(0,1,2,3,4,5,6,9),:]
y=y[(0,1,2,3,4,5,6,9),:]

print(spec.shape,y.shape)

def fun(a, x, y):
    return a*x-y

a0=np.ones((8192,6))
a=least_squares(fun, a0, args=(y.T[:,0], spec.T[:,0]),
                           bounds=([np.zeros((8192,6)),
                           np.ones((8192,6))*np.inf]))

runfile（'C：/Users/Documents/lsq.py',wdir ='C：/ Users / Documents'）   （8,8192）（8,6）   回溯（最近一次调用最后一次）：

文件“”，第1行，in       runfile（'C：/Users/wangm/Documents/lsq.py',wdir ='C：/ Users / Documents'）

文件“C：\ Anaconda3 \ lib \ site-packages \ spyderlib \ widgets \ externalshell \ sitecustomize.py”，第714行，在runfile中       execfile（filename，namespace）

文件“C：\ Anaconda3 \ lib \ site-packages \ spyderlib \ widgets \ externalshell \ sitecustomize.py”，第89行，在execfile中       exec（compile（f.read（），filename，'exec'），namespace）

文件“C：/Users/Documents/lsq.py”，第30行，in       np.ones（（8192,6））* np.inf]））

文件“C：\ Anaconda3 \ lib \ site-packages \ scipy \ optimize_lsq \ least_squares.py”，第742行，至少_squares      提高ValueError（“x0必须最多有1个维度。”）

ValueError：x0最多必须包含1个维度。

Answer 1

这是一个常见的矩阵问题，您可以使用mrdivide在Matlab中的一个字符中执行此操作。

来自文档：

mrdivide，/：解决xA = B的线性方程组x

% Option 1, shorthand:
x = B/A;
% Option 2, longhand:
x = mrdivide(B,A);

解决非负最小二乘问题“xA = b”

1 个答案: