Resultados da pesquisa a pedido "least-squares"
Mínimos quadrados lineares restritos para xA = b no matlab
Eu quero resolverxA=b com restrição0<=x parax. Eu encontrei funções comolsqnonneg [http://www.mathworks.com/help/optim/ug/lsqnonneg.html]elsqlin [http://www.mathworks.com/help/optim/ug/lsqlin.html]que resolve paraAx=b. No entanto, não foi ...
obtenha o valor R ^ 2 de scipy.linalg.lstsq
Eu tenho um conjunto de dados 3D equipado usandoscipy.linalg.lstsq função. Eu estava usando: # best-fit quadratic curve A = np.c_[np.ones(data.shape[0]), data[:,:2], np.prod(data[:,:2], axis=1), data[:,:2]**2] C,_,_,_ = ...
como resolver muitos sistemas sobredeterminados de equações lineares usando códigos vetorizados?
Preciso resolver um sistema de equações lineares Lx = b, onde x é sempre um vetor (matriz 3x1), L é uma matriz Nx3 eb é um vetor Nx1. N geralmente varia de 4 a algo como 10. Não tenho problemas para resolver isso usando scipy.linalg.lstsq (L, ...
Ajustando a soma 2D de gaussianos, scipy.optimise.leastsq (Resposta: Use curve_fit!)
Quero ajustar uma soma 2D de gaussianos a esses dados: Depois de falhar em ajustar uma soma a isso, inicialmente eu experimentei cada pico separadamente (imagem [https://i.stack.imgur.com/BJDkG.png]) e retornou um ajuste ao encontrar seus ...
Como calcular a variância do estimador de mínimos quadrados usando a decomposição QR em R?
Estou tentando aprender a decomposição do QR, mas não consigo descobrir como obter a variação do beta_hat sem recorrer aos cálculos matriciais tradicionais. Estou praticando com oiris conjunto de dados, e aqui está o que tenho até ...
Resolvendo sistema homogêneo Ax = 0 usando numpy
Estou tentando usar numpy.linalg.lstsq para resolver o seguinte sistema homogêneo com a seguinte restrição: Ax = 0 |x| = 1Se eu simplesmente ligar: numpy.linalg.lstsq(A, np.zeros((A.shape[0],1), dtype=np.float))A solução seria uma matriz de ...
Linha de tendência ponderada
O Excel produz diagramas de dispersão para conjuntos de valores de par. Também oferece a opção de produzir uma linha de tendência e fórmula de melhor ajuste ...
ajustando uma superfície linear com numpy menos quadrados
Então eu quero resolver a equação