2

我试图估计y = m(xb)^n形式的幂律拟合参数(m, n, b)的估计中的误差/不确定性，我将其拟合到数据集。当我使用 scipy.optimize.minimize 中的Nelder -Mead 方法时，我得到一个最终的单纯形而不是hess_inv 输出。我想知道如何利用这个输出来估计输出参数的错误/不确定性。

在 scipy.optimize.minimize 中使用 Nelder-Mead 方法得到的输出如下：

 final_simplex: (array([[ 1.55654908e+05, -4.07968007e-01,  8.77754647e-03],
       [ 1.48986925e+05, -4.02001971e-01,  8.78807346e-03],
       [ 1.45901136e+05, -3.99397548e-01,  8.77251338e-03],
       [ 1.54536008e+05, -4.08305325e-01,  8.76484118e-03]]), array([0.12402099, 0.12527722, 0.12545908, 0.12566021]))
           fun: 0.1240209890015327
       message: 'Maximum number of function evaluations has been exceeded.'
          nfev: 600
           nit: 348
        status: 1
       success: False
             x: array([ 1.55654908e+05, -4.07968007e-01,  8.77754647e-03])
4

0 回答 0