1

我想用 iminuit 解决一个 n 维优化问题。

所以我的方法如下。我试图弄清楚如何扩展它：

def f(x,y,z):
    return (x-1.)**2 + (y-2*x)**2 + (z-3.*x)**2 -1.

到一个变量“x”，它是一个 numpy.array。

我想做这样的事情：

x = [1,2,3,4,5]
y = [2,4,6,8,10]# y=2x
class StraightLineChi2:
    def __init__(self,x,y):
        self.x = x
        self.y = y
    def __call__(self,m,c): #lets try to find slope and intercept
        chi2 = sum((y - m*x+c)**2 for x,y in zip(self.x,self.y))
        return chi2

但在我的情况下，x 是我的未知数，它是一个数组。与许多优化/最小化问题一样，函数是 af=f(x1,...,xn)，其中 n 可能很大。x1,...,xn 是问题的未知数。

（这些例子取自这里）

类似的东西是实现“黑客”pyminuit2，如此处所述

4

1 回答 1

4

对于您的示例，我建议您使用iminuit和probfit。将参数作为参数列表并不完全是您想要做的，因为您很快就会混淆哪个参数是什么。

这是一个直接取自probfit 教程的示例。另请参阅文档


import iminuit
import probfit
x = np.linspace(0, 10, 20) 
y = 3 * x + 15 + np.random.randn(len(x))
err = np.ones(len(x))
def line(x, m, c): # define it to be parabolic or whatever you like
    return m * x + c
chi2 = probfit.Chi2Regression(line, x, y, err)
minuit = iminuit.Minuit(chi2)
minuit.migrad();
print(minuit.values) #{'c': 16.137947520534624, 'm': 2.8862774144823855}
于 2013-11-20T05:54:55.230 回答