使用SVDC
和SVSOL
在 IDL 中,您可以通过 SVD 分解解决线性最小二乘问题。这是numpy
由numpy.linalg.lstsq
函数完成的。(无需先计算 SVD 分解然后反解。)
>>> import numpy as np
>>> A = np.array([[1,2,3],[4,5,6]])
>>> b = np.array([4,4])
>>> x, _, _, _ = np.linalg.lstsq(A,b)
>>> x
array([-2., 0., 2.])
>>> np.dot(A,x)
array([ 4., 4.])
请注意, 的长度b
必须与 的行数相同A
,因此您的示例是错误的。只是为了确保我正确解释了 IDL 语义,以下是svsol
参考手册中的示例:
>>> A = np.array(
... [[1.0, 2.0, -1.0, 2.5],
... [1.5, 3.3, -0.5, 2.0],
... [3.1, 0.7, 2.2, 0.0],
... [0.0, 0.3, -2.0, 5.3],
... [2.1, 1.0, 4.3, 2.2],
... [0.0, 5.5, 3.8, 0.2]])
>>> B = np.array([0.0, 1.0, 5.3, -2.0, 6.3, 3.8])
>>> x, _, _, _ = np.linalg.lstsq(A,B)
>>> print x
[ 1.00095058 0.00881193 0.98417587 -0.01009547]