0

我知道 scipy.optimize 中有一个最小二乘的例子，但是我在 残差函数上遇到了超过三天的问题。我决定全面描述这个问题。我通过该站点发现了其他一些类似的问题，但我无法真正通过编程方式解决它，并且在我的情况下真的很困惑。我无法正确创建适合 scipy.optimize.leastsq residual的残差函数。我真的是堆栈..

这个问题就是 A*x=b 问题。让我简短地解释一下：

输入：

  • y - 例如：y1 = dot(delta_1, array([x2, x5, x6]))
  • x - 8 个未知数 [x2, x4, x5, x6, x7, x10, x13, x16]
  • delta - 长度。

脚步：

  • 函数f(x_m, delta_n_m)，n - 行，m - 列。
  • 残差|b_n - f(x, delta) |^2
  • 使用 scipy.optimize.leastsq(residual, x0, arg(delta))最小化残差

我也有函数、残差、最小化器和输入，但是，我真的与我的残差函数叠加。

找到： - (x2, x4, x5, x6, x7, x10, x13, x16)，所以，我将所有值都放在代码中。

代码：

import numpy as np
from scipy.optimize import leastsq


def function(x,delta):
        return dot(delta, x)

def residual(x, delta, y):
       error = y - dot(delta, x)
       return sum(error**2)


def main():    


  # INPUTS
  # Unknown values 
  x = [x2, x4, x5, x6, x7, x10, x13, x16]

  delta = np.array([1.76762035, 2.04349174, 1.25674742], 
                   [0.94873891, 2.01859342, 1.46348023], 
                   [0.83678402, 1.12030343, 0.92516861],
                   [1.43, 2., 2., 1.57])

  y = np.array([0.8353410485015903, 0.73620941924970962, 
                0.45428639186344633, 1.6180418445100002]

  x_init = np.zeros(len(x))

  result = leastsq(residual, x, args=(delta,y) )

  print result[0]

if __name__ == '__main__':
      main()
4

1 回答 1

1

leastsq 期望残差函数只返回残差，即：

def residual(x, delta, y):
    return y - dot(delta, x)
于 2013-10-16T13:53:46.913 回答