least-squares

    1热度

    1回答

    我试图学习QR分解,但无法弄清楚如何获得beta_hat的方差而不诉诸于传统的矩阵计算。我与iris数据集练习,并在这里是我到目前为止有: y<-(iris$Sepal.Length) x<-(iris$Sepal.Width) X<-cbind(1,x) n<-nrow(X) p<-ncol(X) qr.X<-qr(X) b<-(t(qr.Q(qr.X)) %*% y)[1:p]

    0热度

    1回答

    我想拟合不是完美球体的281 * 398 * 104矩阵的MR二进制数据,并找出球体的中心和半径以及误差。我知道LMS或SVD是适合球体的好选择。 我试图从sphereFit但matlab file exchange得到一个错误, >> sphereFit(data) Warning: Matrix is singular to working precision. > In

    2热度

    1回答

    我想让我的数据适合一个函数。我一直在使用这个示例代码作为指导http://docs.scipy.org/doc/scipy/reference/tutorial/optimize.html#example-of-solving-a-fitting-problem。我的代码如下: from scipy.optimize import least_squares import numpy as np

    0热度

    1回答

    我无法理解这些幻灯片为什么SVD应用于最小二乘问题? 然后它遵循这样的: 在这里,我不明白为什么被带到残差的衍生物,它是在图中的主意,采取的投影为了尽量减少错误?

    0热度

    1回答

    必须有一个更简单的方法来做到这一点,也欢迎优化方法。我有一个数组'Y'和许多参数必须调整,使得Y接近零(='X'),如MWE中给出的。是否有更好的程序来减少这种差异?这只是一个示例方程,可以有6个系数进行优化。 x = zeros(10,1) y = rand(10,1) for a=1:0.1:4 for b=2:0.1:5 for c = 3:0.1:6

    1热度

    1回答

    考虑R中下面的例子: x1 <- rnorm(100000) x2 <- rnorm(100000) g <- cbind(x1, x2, x1^2, x2^2) gg <- t(g) %*% g gginv <- solve(gg) bigmatrix <- outer(x1, x2, "<=") Gw <- t(g) %*% bigmatrix beta <- gginv %*%

    2热度

    1回答

    我已经偶然发现R中使用矩阵乘法的横截面回归问题。 R新手,在统计方面的经验有限,自己无法解决这个问题 - 非常感谢所收到的任何帮助。 我有一个基于回归的优化循环,比较时间= t时的值到时间= t + 1时的“支付”。等待的收益在潜在的风险因素(价格)上得到回归。潜在的风险因素模拟P次,遵循几何布朗运动和漂移。该循环之前的模拟量较低,但增加了错误信息: “system is computationa

    3热度

    1回答

    我正在尝试使用Python和Pandas执行Difference in Differences(使用面板数据和固定效果)分析。我没有经济学背景,我只是试图过滤数据并运行我被告知的方法。但是,据我了解,我了解,基本的差异,在-diff文件模型是这样的: 即,我处理一个多变量模型。 这如下中的R的简单示例: https://thetarzan.wordpress.com/2011/06/20/diff

    0热度

    3回答

    我想知道是否有人每个试图适合具有固定大小的矩形到给定的一组点。 想象一下,你有一组没有排序的点,并不总是显示一个矩形的完整壳体。下图应显示问题: 点集可能会有所不同,点可能会丢失。 我想找到最小二乘法来找到固定边长的最佳拟合矩形。 也许我可以先找到回归线,但接缝可以采取不同的方式。 我会很感激任何一种提示。

    1热度

    1回答

    T.A在学校向我展示了这个代码作为最小二乘拟合算法的一个例子。 import numpy as np #return the coefficients (a0,..aN) of the fit y=a0+a1*x+..an*x^n #with associated sigma dy #x,y,dy are all np.arrays with dtype= np.float64 def f