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

  1. 7

    scipy-optimieren-leastsq-mit-gebunden-Einschränkungen auf, SO gibtleastsq_bounds, die
    leastsq
    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

  2. 2

    Haben Sie einen Blick auf dieses tutorial, es scheint ziemlich klar.

    InformationsquelleAutor ev-br

  3. 0

    Da MATLAB die lsqlin ist begrenzt lineare least-squares-solver, würden Sie prüfen wollen,scipy.optimieren.lsq_linear.

    Ja, aber wie füge ich die lineare constraint-Ausdrücke? Die Dokumentation scheint nur erlauben die Spezifikation von Schranken für die Variablen.

    InformationsquelleAutor Milind R

Schreibe einen Kommentar