用函数a.cos（bpsi）+c导出Jacobian得到0

Question

我有一个cosinus形状的数据集。我试着用函数拟合这个数据集：

a.cos(b-psi)+c

我的目标是估计最符合我的数据的参数a、b和c。所以我试着用西皮·莱斯特斯要将此最小化：data-a.cos(b-psi)+c。在

（psi与数据一起找到）。在

我的初始参数是ndarray x (x=np.array([a0,b0,c0]))，我的数据存储在一个元组args=(psi,data)，我有我的函数：

^{pr2}$

然后我发射西皮·莱斯特斯使用以下行：

xopt = leastsq(coreg.func,x0,args,full_output=1)

（初始参数：）

Out[30]: array([ 3.8,  1.3,  0. ])

但结果是：

(array([ 3.8,  1.3,  0. ]),
None,
{'fjac': array([[ nan,  nan,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan]]),
  'fvec': array([-3.17913524, -2.19610415, -2.06748506, ...,  1.76355583,
    2.32077375,  2.89394884]),
  'ipvt': array([1, 2, 3], dtype=int32),
  'nfev': 4,
  'qtf': array([ nan,  nan,  nan])},
 'The cosine of the angle between func(x) and any column of the\n  Jacobian is at most     0.000000 in absolute value',
4)

我不知道为什么它不能计算雅可比，我想这就是为什么它给我返回的参数和我最初输入的一样。在

如果有帮助，下面是每个对象的值：

Variable   Type        Data/Info
--------------------------------
args       tuple       n=2
np         module      <module 'numpy' from '/us<...>ages/numpy/__init__.pyc'>
psi        ndarray     1201x1201: 1442401 elems, type `float64`, 11539208 bytes (11 Mb)
data     ndarray     1201x1201: 1442401 elems, type `float64`, 11539208 bytes (11 Mb)
x          ndarray     3: 3 elems, type `float64`, 24 bytes

Answer 1

谢谢你的回答！在

所以我这样输入雅可比矩阵？（抱歉，我是python初学者）

def jacobi(x,*args):
  psi = args[0].ravel()
  target = args[1].ravel()
  return -x[0]*np.sin(x[1]-psi)

但现在又回来了：

^{pr2}$