我目前正在为数据分析编写一些python代码，遗憾的是我不得不使用强力搜索来获得最佳匹配。我使用的是维度numpy的{{1}}数组exp。每个M x N列代表长度为N的单个实验数据。数组的实际大小通常在M范围内。
在执行拟合之前，我计算了维度(2500 x 15000)的可能解的numpy数组cal（通常是M x Z或更大范围内的大小。最佳拟合我迭代实验数据并计算计算的可能结果子集的残差平方和。子集通常由1000条跟踪组成。这看起来有点像下面的最小例子：
(2500 x 20000)然而，这不是一个非常快速的计算。加快计算速度的最佳方法是什么？继续使用numpy数组会很好。除此之外，任何更改或其他库都不会成为问题。