Constrained least-squares-Schätzung in Python
Ich versuche, führen Sie eine constrained least-squares-Schätzung mit Scipy, so dass alle Koeffizienten sind in der Reihe (0,1)
und Summe 1
(diese Funktionalität ist implementiert in Matlab ist LSQLIN
- Funktion).
Hat jemand Tipps für die Einrichtung dieser Berechnung mit Python/Scipy. Ich glaube, ich sollte mit scipy.optimize.fmin_slsqp()
, bin mir aber nicht ganz sicher, welche Parameter ich sollte übergeben werden.[1]
Vielen Dank für die Hilfe,
Nick
[1] ein Beispiel in der Dokumentation für fmin_slsqp
ist ein bisschen schwierig für mich zu analysieren, ohne die referenzierten text-und ich bin mit Scipy.
InformationsquelleAutor Nick | 2012-02-13
Du musst angemeldet sein, um einen Kommentar abzugeben.
scipy-optimieren-leastsq-mit-gebunden-Einschränkungen auf, SO gibt
leastsq_bounds
, dieleastsq
mit gebundenen Randbedingungen wie 0 <= x_i <= 1.
Die Einschränkung, dass Sie eine Summe von 1, Hinzugefügt werden können in der gleichen Weise.
(Ich habe
leastsq_bounds
/MINPACK gut auf synthetischen test-Funktionen in 5d, 10d, 20d;wie viele Variablen haben Sie ?)
InformationsquelleAutor denis
Haben Sie einen Blick auf dieses tutorial, es scheint ziemlich klar.
InformationsquelleAutor ev-br
Da MATLAB die
lsqlin
ist begrenzt lineare least-squares-solver, würden Sie prüfen wollen,scipy.optimieren.lsq_linear.InformationsquelleAutor Milind R