最小leatsq界

Question

我用最小平方法来拟合很多参数，但是，结果并不令人惊讶，我认为这可能是由于最小化。 实际上，当我修改初始化项时，结果是不同的。。。在

我第一次尝试用命令“xtol”来调整参数的初始值，这个命令指定了近似解中所需的误差，但结果并不好，所以我想知道是否可以为每个参数指定边界。最后一种方法可能更准确，对吗？在

此外，我需要拟合的条件是一系列的参数，也许有一个最好的方法来处理这个问题，而不是我写的两个订单。。。在

def residual_V2will2(vars, XA, YA, x0, y0, A2, donnees):
    aI = vars[0]
    aII = vars[1]
    modeleV2 = ma.masked_invalid(np.sqrt((XA-x0)**2 + (YA-y0)**2)**(1/2)*aI/(2*G)*((Kappa - 1/2. + \
    1)*np.sin(np.arctan(((YA-y0)/(XA-x0)))/2) + \
    1/2.*np.sin(np.arctan(((YA-y0)/(XA-x0)))*(-3/2.))) + np.sqrt((XA-x0)**2 + \
    (YA-y0)**2)*aII/(2*G)*((Kappa - 2)*np.sin(np.arctan(((YA-y0)/(XA-x0)))) + \
    np.sin(np.arctan(((YA-y0)/(XA-x0)))*(-1))) + A2) 
    return (donnees-modeleV2)

from scipy.optimize import leastsq
vars = [KI, A2, x0, y0]
out_V_west = sco.leastsq(residual_V2west, vars, args=(XAvect, YAvect, Vmvect))
print out_V_west

所以如果我跟着你，我一定有这样的东西：

^{pr2}$

但似乎不是更好：（虽然我试图玩弄惩罚的价值观。。。在