如何应用牛顿拉夫森根来确定函数的根

-1

假设x是每小时风速，我试图使用牛顿拉夫逊方法来拟合，如下所示。 K是我打算使用x值解决的无量纲参数。 def f（k）是实际方程，def d_f（k）是方程的导数，def f2（c）解决了第二个参数c。默认情况下，Scipy优化库需要使用Newton-Raphson或割线方法来查找以下输入。如何应用牛顿拉夫森根来确定函数的根

scipy.optimize.newton(func, x0, fprime=None, args=(), tol=1.48e-08, maxiter=50, fprime2=None)

因此，我的问题是，我的牛顿拉夫逊迭代可能是错误的，或者你将如何去迭代。我的输入有什么问题，或者我需要哪些其他输入？我的错误结果可以在下面看到的输出中看到。

的公式是：

import warnings 
import numpy as np 
import scipy 
import scipy.stats 
import sympy 
from scipy import stats as st 

x = np.random.randint(1, 23, size=3000) 
x0 = np.random.choice(x, 100, replace=True) 

def f(k): 
    return np.sum(x**k*np.log (x))/np.sum(x**k)-1/k- \ 
       1/len(x)*np.sum(np.log(x)) 

def d_f(k): 
    return len(x)*np.sum(np.log (x)*np.log(np.log-[1-f(k)])- \ 
       np.sum(np.log(x)*np.sum(np.log(np.log-[1-f(k)])))) 

def f2(c): 
    return np.exp(k*np.sum(np.log (x))-np.sum(np.log(x)* \ 
       np.sum(np.log(np.log-[1-f(k)])))) 

#Initial Guess 

k = 1.2 
scipy.optimize.newton(f(k), x0, fprime=d_f(k)) 

Generated Output 
AttributeError: 'numpy.float64' object has no attribute 'concatenate'

来源

2017-08-11 Gwiji

请添加完整的错误堆栈跟踪，而不仅仅是最后一行。 – cel

您应该通过功能f和参数k到optimize.newton，该函数没有一个评价，f(k)将返回。 x0这个优化例程是其变量的初始估计值，在这种情况下，它是您的'k'。也就是说，你可能想：

scipy.optimize.newton(f, k, ...)

这是一个有点猜的，因为我不知道我真的能理解你的问题，并且错误信息是不完整的。但是你一定要通过功能f而不是结果f(k)。

来源

2017-08-11 21:39:18

如何应用牛顿拉夫森根来确定函数的根

回答

相关问题