Question

我正在努力让我的Jacobian使用SciPy的Optimize库的minimalsq函数。

我有以下代码：

#!/usr/bin/python
import scipy
import numpy
from scipy.optimize import leastsq

#Define real coefficients
p_real=[3,5,1]

#Define functions
def func(p, x):         #Function
    return p[0]*numpy.exp(-p[1]*x)+p[2]

def dfunc(p, x, y):     #Derivative
    return [numpy.exp(-p[1]*x),-x*p[0]*numpy.exp(-p[1]*x), numpy.ones(len(x))]

def residuals(p, x, y):
    return y-func(p, x)

#Generate messy data
x_vals=numpy.linspace(0,10,30)
y_vals=func(p_real,x_vals)
y_messy=y_vals+numpy.random.normal(size=len(y_vals))

#Fit
plsq,cov,infodict,mesg,ier=leastsq(residuals, [10,10,10], args=(x_vals, y_vals), Dfun=dfunc, col_deriv=1, full_output=True)

print plsq

现在，当我运行时，我得到plsq=[10,10,10]作为我的回报。当我取出Dfun=dfunc, col_deriv=1时，我会接近p_real。

谁能告诉我是什么给出的？或者指出比SciPy提供的更好的文档来源？

顺便说一下，我正在使用雅各布派，因为我有（可能被误导）的信念，它会导致更快的收敛。

Answer 1

将residuals更改为否定：

def residuals(p, x, y):
    return func(p, x)-y

你得到了

[ 3.  5.  1.]

希望这会有所帮助：）

SciPy LeastSq Dfun用法

1 个答案: