least-squares

0热度

1回答

一个多变量方程我具有以下形式的公式： Z =一个X + B Y + C 其中x，y，z是变量并且a，b ，c是常数。我想找到的，b和c的最佳值。在python中做这件事最好的方法是什么？ optimize.curve_fit只适用于两个变量，而不是三个。

0热度

1回答

如何使用scipy.optimize.least_squares计算标准偏差错误

我比较拟合与optimize.curve_fit和optimize.least_squares。随着curve_fit我得到的协方差矩阵pcov为输出，我可以通过计算我的拟合变量的标准偏差错误： perr = np.sqrt(np.diag(pcov)) 如果我做了件与least_squares，我没有得到任何的协方差矩阵输出和我无法为我的变量计算标准偏差误差。这里是我的例子： #impor

1热度

1回答

glmnet和lm的普通最小二乘法

在stackoverflow.com/q/38378118中询问过此问题，但没有满意的答案。 λ= 0的LASSO相当于普通最小二乘法，但在R中glmnet()和lm()似乎不是这种情况。为什么？ library(glmnet) options(scipen = 999) X = model.matrix(mpg ~ 0 + ., data = mtcars) y = as.matrix(

0热度

1回答

在matlab中，用矩阵（而不是矢量）变量求解非负最小二乘的最佳方法是什么？

我需要使用MATLAB来解决以下问题： min_X ||A*X - B||^2 s.t X is a M*N matrix and X>=0 其中M和N可高达10000 什么功能和库将提供FOT这个问题一个快速，可扩展的解决方案？

0热度

1回答

适合执行

你好，我正在试图适合一个图像的psf。背景应该用低阶多项式来近似。如果我只是把一个常数，它工作正常： def fitter(image, trueImage,psf,intensity): p0 = [intensity] p0.append(np.amin(trueImage)*4**2) meritFun = lambda p: np.ravel(image

0热度

1回答

scipy leastsq fit - 惩罚某些解决方案

我已经实现了一种能够同时适合多个数据集的算法。正是基于这样的解决方案：multi fit 的目标函数是太复杂，在这里展示（LaFortune散射模型），所以我会使用目标函数从溶液中进行说明： def lor_func(x,c,par): a,b,d=par return a/((x-c)**2+b**2) 我怎样才能如果它选择导致lor_func < 0的参数集par，则惩

0热度

1回答

抛物线拟合数据

我想用一个最小二乘法找到适合下列数据的抛物线方程。下面的代码工作显然是错误的等式。我是否使用错误的功能来做到这一点？我的数组是（x，y）格式。 import numpy as np points = np.array ([(0.05, 0.957), (0.12, 0.851), (0.15, 0.832), (0.30, 0.720), (0.45, 0.583), (0.70, 0.37

0热度

1回答

在matlab中使用最小二乘法求解多维方程

如何使用最小二乘法从该方程中获得系数a和b？解决这个问题的最好方法是什么？比方说θ(k1,k2)是60x60（恒定/值）矩阵，即theta=rand(60,60)，但如何解决在MATLAB a和b？任何简单的功能来做到这一点？提前致谢！参考纸：Here（第三节）

0热度

1回答

预测曲线拟合matlab

我有一个关于曲线拟合的问题，我有很多曲线，就像图中的曲线一样。 X轴：时间 Y轴：温度每个样品出来每隔30s。目标：在瞬态，你会在这种情况下怎么办年底预测值？我所做的是：对于每个新样本我开始一个新的拟合（因此每个拟合都独立于前一个拟合），然后检查拟合曲线2小时后的值（我在2h之前设置的所有曲线）之后测量的开始。如果对于后续拟合的数字（比如说5），未来的价值保持大致相同（+ - 0.2°C

0热度

1回答

指数曲线拟合与python

我想转换一些Matlab代码，我有曲线拟合我的数据到Python代码，但我有麻烦得到类似的答案。这些数据是： x = array([ 0. , 12.5 , 24.5 , 37.75, 54. , 70.25, 87.5 , 108.5 , 129.5 , 150.5 , 171.5 , 193.75, 233.75, 273.75]) y = array([-8.79182857,