本文简要介绍 python 语言中 scipy.linalg.lstsq
的用法。
用法:
scipy.linalg.lstsq(a, b, cond=None, overwrite_a=False, overwrite_b=False, check_finite=True, lapack_driver=None)#
计算方程 Ax = b 的最小二乘解。
计算一个向量 x 以使 2-范数
|b - A x|
最小化。- a: (M, N) 数组
左侧数组
- b: (M,) 或 (M, K) 数组
右侧阵列
- cond: 浮点数,可选
‘small’ 奇异值的截止值;用于确定a的有效等级。小于
cond * largest_singular_value
的奇异值被视为零。- overwrite_a: 布尔型,可选
丢弃 a 中的数据(可能会提高性能)。默认为假。
- overwrite_b: 布尔型,可选
丢弃 b 中的数据(可能会提高性能)。默认为假。
- check_finite: 布尔型,可选
是否检查输入矩阵是否仅包含有限数。禁用可能会提高性能,但如果输入确实包含无穷大或 NaN,则可能会导致问题(崩溃、非终止)。
- lapack_driver: str,可选
哪个LAPACK驱动程序是用来解决最小二乘问题的。选项有
'gelsd'
、'gelsy'
、'gelss'
。默认('gelsd'
)是一个不错的选择。然而,'gelsy'
在许多问题上可以稍微快一些。'gelss'
历史上曾被使用过。它通常很慢,但使用的内存较少。
- x: (N,) 或 (N, K) ndarray
最小二乘解。
- residues: (K,) ndarray 或浮点数
b - a x
中每一列的 2 范数的平方,如果M > N
和ndim(A) == n
(如果b
是一维则返回一个标量)。否则返回 (0,) 形数组。- rank: int
a. 有效等级
- s: (min(M, N),) ndarray 或无
的奇异值a.条件数
a
是s[0] / s[-1]
.
- LinAlgError
如果计算不收敛。
- ValueError
当参数不兼容时。
参数 ::
返回 ::
抛出 ::
注意:
什么时候
'gelsy'
用作驱动程序,残留物设置为 (0,) 形数组和s总是None
.例子:
>>> import numpy as np >>> from scipy.linalg import lstsq >>> import matplotlib.pyplot as plt
假设我们有以下数据:
>>> x = np.array([1, 2.5, 3.5, 4, 5, 7, 8.5]) >>> y = np.array([0.3, 1.1, 1.5, 2.0, 3.2, 6.6, 8.6])
我们希望将
y = a + b*x**2
形式的二次多项式拟合到该数据。我们首先形成“design matrix” M,其中有一列常量为 1,一列包含x**2
:>>> M = x[:, np.newaxis]**[0, 2] >>> M array([[ 1. , 1. ], [ 1. , 6.25], [ 1. , 12.25], [ 1. , 16. ], [ 1. , 25. ], [ 1. , 49. ], [ 1. , 72.25]])
我们想要找到
M.dot(p) = y
的最小二乘解,其中p
是长度为 2 的向量,其中包含参数a
和b
。>>> p, res, rnk, s = lstsq(M, y) >>> p array([ 0.20925829, 0.12013861])
绘制数据和拟合曲线。
>>> plt.plot(x, y, 'o', label='data') >>> xx = np.linspace(0, 9, 101) >>> yy = p[0] + p[1]*xx**2 >>> plt.plot(xx, yy, label='least squares fit, $y = a + bx^2$') >>> plt.xlabel('x') >>> plt.ylabel('y') >>> plt.legend(framealpha=1, shadow=True) >>> plt.grid(alpha=0.25) >>> plt.show()
相关用法
- Python SciPy linalg.lsqr用法及代码示例
- Python SciPy linalg.lsmr用法及代码示例
- Python SciPy linalg.lu_factor用法及代码示例
- Python SciPy linalg.lu_solve用法及代码示例
- Python SciPy linalg.lu用法及代码示例
- Python SciPy linalg.logm用法及代码示例
- Python SciPy linalg.ldl用法及代码示例
- Python SciPy linalg.leslie用法及代码示例
- Python SciPy linalg.lobpcg用法及代码示例
- Python SciPy linalg.lgmres用法及代码示例
- Python SciPy linalg.eigvalsh_tridiagonal用法及代码示例
- Python SciPy linalg.cdf2rdf用法及代码示例
- Python SciPy linalg.LaplacianNd用法及代码示例
- Python SciPy linalg.solve_circulant用法及代码示例
- Python SciPy linalg.polar用法及代码示例
- Python SciPy linalg.clarkson_woodruff_transform用法及代码示例
- Python SciPy linalg.rsf2csf用法及代码示例
- Python SciPy linalg.hessenberg用法及代码示例
- Python SciPy linalg.tril用法及代码示例
- Python SciPy linalg.triu用法及代码示例
- Python SciPy linalg.svd用法及代码示例
- Python SciPy linalg.ishermitian用法及代码示例
- Python SciPy linalg.invhilbert用法及代码示例
- Python SciPy linalg.factorized用法及代码示例
- Python SciPy linalg.SuperLU用法及代码示例
注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.linalg.lstsq。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。