Tag: least-squares

Den leastsq Methode in scipy lib passt eine Kurve, um einige Daten. Und diese Methode impliziert, dass in diesen Daten die Y-Werte abhängig von X-argument. Und berechnet den minimalen Abstand zwischen Kurve und die Daten zeigen in

Ich versuche, passen meine Daten an eine Funktion. Ich habe mit diesem Beispiel-code als Leitfaden http://docs.scipy.org/doc/scipy/reference/tutorial/optimize.html#example-of-solving-a-fitting-problem. Mein code ist der folgende: from scipy.optimize import least_squares import numpy as np import matplotlib.pyplot as plt def model(x, u): return

Ich versuche zu lernen, einen gewöhnlichen least-squares-Modell mit Python-statsmodels Bibliothek, wie beschrieben hier. sm.OLS.fit() gibt das erlernte Modell. Gibt es eine Möglichkeit, es zu speichern, um die Datei und laden Sie es? Meine Trainings-Daten ist riesig und

Wenn ich so etwas wie import numpy from sklearn import linear_model A= #something b= #something clf=linear_model.Lasso(alpha=0.015, fit_intercept=False, tol=0.00000000000001, max_iter=10000000000000, positive=True) clf.fit(A,b) Bekomme ich die Fehlermeldung: usr/local/lib/python2.7/dist-packages/scikit_learn-0.14.1-py2.7-linux-x86_64.egg/ sklearn/linear_model/coordinate_descent.py:418: UserWarning: Objective did not converge. You might want to increase

Wie werde ich fit einer geraden und einer quadratischen, um die Daten unter Verwendung der leastsq Funktion von scipy.optimieren? Ich weiß, wie Sie polyfit, um es zu tun. Aber ich muss an leastsq Funktion. Hier sind die

Ich bin in der computer-simulation für ein physisches system von endlicher Größe, und nach dieser mache ich extrapolation auf die unendlich (Thermodynamischen limit). Eine Theorie sagt, dass, sollten die Daten der Waage Linear mit der Systemgröße, so

Habe ich diese Werte: T_values = (222, 284, 308.5, 333, 358, 411, 477, 518, 880, 1080, 1259) (x values) C/(3Nk)_values = (0.1282, 0.2308, 0.2650, 0.3120 , 0.3547, 0.4530, 0.5556, 0.6154, 0.8932, 0.9103, 0.9316) (y values) Ich weiß,

Ich versuche, führen Sie eine least-squares-fit in python, um eine bekannte Funktion mit drei Variablen. Ich bin in der Lage, diese Aufgabe für zufällig erzeugte Daten mit Fehlern, aber die eigentlichen Daten, die ich brauche, um fit

Ich bin mit einer regression, die auf Daten der Volkszählung, wo meine abhängige variable ist die Lebenserwartung, und ich habe acht unabhängigen Variablen. Die Daten aggregiert werden Städte, so habe ich viele tausend Beobachtungen. Mein Modell ist

Ich bin auf der Suche nach einem java-code zur Berechnung der least-squares-Lösung (x) in Ax=b Gleichung. Nehme an, dass A = [1 0 0;1 0 0]; b = [1; 2]; x = A\b gibt die x =

Ich versuche die Residuen für das Streudiagramm der beiden Variablen. Ich könnte das least-squares linear regression line mit lsline - Funktion von matlab. Jedoch möchte ich, um die Residuen als gut. Wie kann ich diese in matlab.

Ich habe zwei Sätze von 3D-Punkten (original und nachgebaut) und Korrespondenz Informationen über die Paare - die Stelle aus einem Satz darstellt, die zweite. Ich muss 3D-translation und Skalierung Faktor, welche die Transformationen rekonstruieren festgelegt, sodass die

Ich bin neu in scipy und matplotlib, und ich habe versucht, fit-Funktionen auf die Daten. Das erste Beispiel in der Scipy Kochbuch funktioniert fantastisch, aber wenn ich versuche es mit Punkten aus einer Datei gelesen, die ersten

Bin ich versucht zu implementieren eine lineare least-squares-fit auf 2 arrays von Daten: Zeit vs amplitude. Die einzige Technik, die ich kenne so weit ist, testen Sie alle möglichen m-und b-Punkte (y = m*x+b) und dann finden

Ich bin auf der Suche nach einer Bibliothek in C, die die Optimierung einer Zielfunktion (vorzugsweise Levenberg-Marquardt-Algorithmus) und unterstützt die box-constraints, die linear inequality constraints und nicht-linear inequality constraints. Ich habe versucht, mehrere Bibliotheken bereits, aber keiner

Mein wissen aus der Mathematik ist begrenzt, deshalb bin ich wahrscheinlich steckte. Ich habe eine spectra, die ich bin versucht zu passen zwei Gauß-peaks. Ich kann halt auf den größten peak, aber ich passt nicht zu den