最小二乘法的残差scipy.optimize.leatsq（），最优解

Question

我知道scipy.optimize中有一个最小二乘法的例子，但是我在残差函数上遇到了三天多的麻烦。我决定详细描述这个问题。我在网站上发现了一些类似的问题，但我无法真正从程序上解决，在我的案例中我真的很困惑。我无法正确创建适合scipy.optimize.leatsq残差的残差函数。我真的很厉害。。

这个问题就是A*x=b问题。让我简短地解释一下：

输入：

• y-例如：y1=点（delta_1，数组（[x2，x5，x6]））
• x-8个未知数[x2，x4，x5，x6，x7，x10，x13，x16]
• 三角洲长度。

步骤：

• 函数f（x_m，delta_n_m），n行，m列。
• 残差
• 使用scipy.optimize.leatsq（残差，x0，arg（delta））最小化残差

我有函数，残差，极小化和输入，但是，我真的和残差函数叠加。

查找： -（x2，x4，x5，x6，x7，x10，x13，x16），所以，我把所有值都放在代码中。

代码：

import numpy as np
from scipy.optimize import leastsq


def function(x,delta):
        return dot(delta, x)

def residual(x, delta, y):
       error = y - dot(delta, x)
       return sum(error**2)


def main():    


  # INPUTS
  # Unknown values 
  x = [x2, x4, x5, x6, x7, x10, x13, x16]

  delta = np.array([1.76762035, 2.04349174, 1.25674742], 
                   [0.94873891, 2.01859342, 1.46348023], 
                   [0.83678402, 1.12030343, 0.92516861],
                   [1.43, 2., 2., 1.57])

  y = np.array([0.8353410485015903, 0.73620941924970962, 
                0.45428639186344633, 1.6180418445100002]

  x_init = np.zeros(len(x))

  result = leastsq(residual, x, args=(delta,y) )

  print result[0]

if __name__ == '__main__':
      main()

Answer 1

leatsq期望残差函数只返回残差，即：

def residual(x, delta, y):
    return y - dot(delta, x)