least-squares

    10गर्मी

    1उत्तर

    मेरे पास आर में एक प्रोग्राम है जो कम से कम वर्ग समाधान (> 10,000: आमतौर पर 100,000+) की गणना कर रहा है और प्रोफाइलिंग के बाद, ये वर्तमान बाधाएं हैं कार्यक्रम। मेरे पास कॉलम वेक्टर के साथ एक मैट्रिक्स

    7गर्मी

    3उत्तर

    के बीच अंतर मैं सोच रहा था कि scipy.optimize.leastsq और scipy.optimize.least_squares दोनों तरीकों के बीच क्या अंतर है? जब मैं उन्हें लागू वे ची^2 में कम से कम मतभेद उपज: >>> solution0 = ((p0.fun).resh

    6गर्मी

    2उत्तर

    में कार्यान्वित करना मैं एक लॉजिस्टिक मॉडल का उपयोग कर डेटा पॉइंट फिट कर रहा हूं। चूंकि मेरे पास कभी-कभी ydata त्रुटि के साथ डेटा होता है, मैंने पहले फिट में अपने व्यक्तिगत मानक विचलन को शामिल करने के

    5गर्मी

    1उत्तर

    में कम से कम वर्ग एल्गोरिदम की कुशल गणना कम से कम वर्गों में मुझे रैखिक प्रणालियों का एक बड़ा सेट हल करने की आवश्यकता है। मुझे numpy.linalg.lstsq(a, b), np.dot(np.linalg.pinv(a), b) और गणितीय कार्यान्

    6गर्मी

    2उत्तर

    मैंने सी # में मार्चिंग क्यूब्स, दोहरी मार्चिंग क्यूब्स और अनुकूली मार्चिंग क्यूब्स लागू किया है, केवल यह पता लगाने के लिए कि मुझे अपने उद्देश्यों के लिए दोहरी समोच्चता की आवश्यकता है। मैंने दोहरी समो

    5गर्मी

    2उत्तर

    मैं अपने मैटलैब का उपयोग कर रहा हूं, लेकिन अंततः पाइथन में मेरे सभी विश्लेषण करने के लिए यह मेरी दृष्टि है क्योंकि यह एक वास्तविक प्रोग्रामिंग भाषा है और कुछ अन्य कारण हैं। हाल ही की समस्या जो मैं निप

    6गर्मी

    1उत्तर

    मैं स्वत: सहसंबंध समस्या से निपटने के लिए अपने पैनल डेटा पर एक सामान्यीकृत कम से कम वर्ग मॉडल (gls आर) का उपयोग करने की कोशिश कर रहा हूं। मैं किसी भी चर के लिए कोई झगड़ा नहीं करना चाहता। मैं अपने सामा

    8गर्मी

    4उत्तर

    में अलग-अलग परिणाम उत्पन्न करता है। मुझे उम्मीद है कि LASSO को कोई दंड ($ \ lambda = 0 $) बिना ओएलएस फिट के समान (या बहुत समान) गुणांक अनुमान उत्पन्न करने की उम्मीद है। हालांकि, मैं LASSO फिट करने के

    10गर्मी

    1उत्तर

    का उपयोग कर वक्र फिट की गुणवत्ता को कम करना मैं डेटा के लिए गॉसियन वक्र फिट करने के लिए सिसिसी वक्रफिट का उपयोग कर रहा हूं, और फिट की गुणवत्ता का विश्लेषण करने में रूचि रखता हूं। मुझे पता है कि वक्रफि

    5गर्मी

    1उत्तर

    में कम स्क्वायर विधि मेरे पास डेटा की दो सूचियां हैं, एक x मानों के साथ और दूसरा संबंधित y मानों के साथ। मैं सबसे अच्छा फिट कैसे पा सकता हूं? मैंने scipy.optimize.leastsq के साथ गड़बड़ करने का प्रयास