1回答
具有5个未知参数的最小二乘函数
、、、、
我在估计5个未知参数a，b，c，d，e时遇到了问题，这些参数肯定位于区间内。它看起来是这样的： import numpy as npdiap_b0.01)
return a + b + c + d + e #for example
Y = func(a, b, c, d, e) 我有这样的数据0.06,
浏览 18提问于2019-01-03得票数 1
回答已采纳
1回答
我的问题是，对于非线性加权最小二乘回归，如何正确解释R的nls函数中的“权值”输入变量。在加权最小二乘理论中求解未知参数的方法是：
由此，变量P是大小的加权平方矩阵(NxN)，其中N是观测数据的个数。
然而，当我查看R中的nls文档时发现了，它说输入的‘权重’是一个向量。这让我感到困惑，
浏览 1提问于2018-07-03得票数 4
回答已采纳
我试图将线性回归方法应用于9个样本的数据集，该数据集具有大约50个特性，使用python。本文尝试了不同的线性回归方法，即闭最小二乘(OLS)、线性回归(LR)、赫伯回归(HR)、非负最小二乘法(NNLS)，并给出了不同的权重。但我可以得到HR和NNLS具有不同解的直觉，而LR和闭形OLS具有相同的目标函数，即最小化给定样本中观
浏览 7提问于2017-09-27得票数 1
我知道简单的普通最小二乘(OLS)的可以对参数进行。除了总最小二乘(TLS)之外，有没有python函数可以做同样的事情？
浏览 1提问于2017-08-18得票数 1
1回答
我能用来解一个非线性方程组吗？
、、、、
解决了约束最小二乘问题的非线性约束。维基百科：“最小二乘方法是对超定系统近似解的一种标准方法，即方程组中有比未知数更多的方程。”现在，既然一个“正规”非线性方程组应该在一组超定的系统中(在退化的情况下未知数等于方程的数目)，我能推导出我可以
浏览 0提问于2014-10-16得票数 2
回答已采纳
2回答
矩阵的逆矩阵
、、、
在matlab中，matlab的逆可以写成：x = A\b.--------------------------------1
但对于未知参数(X)的协方差矩阵(Qxx)，我通常这样做
浏览 0提问于2012-04-10得票数 0
回答已采纳
1回答
我想不出如何最好的标题，所以建议是受欢迎的。标签也是如此(我没有使用我认为合适的标签的声誉)。问题是：
“假设你有N对观测值，(x，y)，并且你有一个参数未知的模型B，它估计了x和y，F(x，B) -> y之间的关系。现在假设你用最小二乘的方法确定B(并且隐含地，所有最小二乘的假设都满足)。参数<
浏览 0提问于2014-09-24得票数 3
2回答
我是Python方面的新手，对插值和最小二乘拟合两个ndarray有点困惑。
我的最终目标是将模拟的光谱(蓝色曲线)与观测光谱(橙色曲线)进行最小二乘拟合。蓝色曲线ndarray有以下参数：橙色曲线具有以下参数：作为第一步，也是最简单的一步，我想画出这两条射线之间的残差(区别)，但问题是，由于它们分别有不同
浏览 5提问于2020-10-26得票数 0
回答已采纳
1回答
基于信号强度的距离估计
、、、、
我有一组数据，包括汽车的位置和未知发射器的信号电平。我必须根据这一点来估计距离。基本上，信号电平与距离的平方成反比。但是，当我们包含多路径、反射等内容时，我们需要使用diff方程。这就是Hata Okumura模型，它可以给出基于距离的路径损耗。然而，距离是未知的，因为我不知道发射器在哪里。我只能访问不同的经度/经度集合和接收到的信号电平。我想问的是，你们能否指导我使用一些技术，这些技术可以帮助我根据当前<
浏览 3提问于2016-03-17得票数 0
1回答
给出一些预测数据集，数据集1: 100培训和100个测试样本，50个特征数据集3:1000个训练和1000个测试样本，50个特征如何从这些数据集的下列数据中选择最佳的方法来估计线性回归模型中的未知参数(预测价格)？普通最小二乘主成分回归
偏最小二
浏览 0提问于2015-06-01得票数 6
1回答
所以我有一个问题，我必须找到最佳分布，当通过一个函数时，匹配一个已知的表面。我已经写了一个脚本，它在给定一些参数的情况下创建分布，并给出将给定表面与已知表面进行比较的度量标准，但此脚本花费了不可忽略的时间，因此我不能只运行一组非常大的参数来找到最优的参数集。我研究了单纯形方法，它似乎是正确的路径，但它并不完全是我需要的，因为我没有一组线性方程，也不知道参数
浏览 41提问于2019-02-23得票数 1
回答已采纳
我现在正在尝试实现一个python代码，它计算矩阵方程的最小二乘误差。首先，我有一些二维数据XDATA (Array of Array of Floats)，形状100，第二，我有一些二维YDATA，形状100,3我的函数从9个条目和3个未知参数的数组中创建了一个3个条目的数组所以我试图通过线性最小二乘来估计这些参数</
浏览 2提问于2017-01-12得票数 0
1回答
我正在使用MGCV包和gam()函数将P-Spline拟合到一些数据。据我所知，gam()选择平滑参数- lambda -它通过最小化GCV出现在惩罚最小二乘函数中。fit$sp是否返回通过最小化GCV选择的lambda的值？
谢谢!
浏览 1提问于2013-04-23得票数 0
1回答
我正在读吉尔伯特·斯特朗的“线性代数导论”一书。这个部分被称为“正交基和Gram-Schmidt”。作者多次强调，用正交基计算最小二乘解非常容易，快速，因为Qᵀ*Q = I，其中Q是一个具有正交基的设计矩阵。所以你的方程变成了x̂ = Qᵀb。我得到的印象是，在应用最小二乘之前，每次计算QR分解都是个好主意。但后来我发现了QR分解的，结果是计算QR分解，然后应用最小</em
浏览 3提问于2021-11-05得票数 1
回答已采纳
我有一个函数，它有三个参数和一些我想要拟合的数据。我怎样才能做到最好呢？我甚至不确定方程中这三个参数的范围。该函数具有自由参数alpha、beta和gamma，并给出了我有由x和y数据点组成的数组(每组大约有50个点)，我希望使用任何alpha、beta和gamma找到最适合的</em
浏览 1提问于2016-08-13得票数 0
回答已采纳
3回答
我想使用最小二乘技术实现多项式曲线拟合，但要使用各种误差函数，即不仅仅是最小二乘。在MATLAB中有什么方法可以做到这一点吗？(我想比较不同误差函数的结果。我还想使用正则化，我需要改变误差函数)。你能分享一些资源(MATLAB/C++)，这些资源可以帮助你在没有内置函数的情况下实现曲线拟合吗？我只能找到那些使用高斯消除的方法-这与最小<
浏览 2提问于2017-09-08得票数 1
很简单的问题，但一些东西，我一直无法理解，通过搜索互联网。使用SKlearn运行LR模型后，关键输出之一是coef_和intercept_。我理解coef_是一个完全描述模型关系的转换矩阵；使用coef_和添加intercept_来执行输入数据的点乘积将为您的输入生成预测值。
我的问题是:定义一阶模型coef_的方程是什么？这种情况在二阶模型下会发生什么变化？这个方程在具有n个特征的多元模型中是如何变化的？我已经收集
浏览 0提问于2022-05-26得票数 0
学习GradientBoostingRegressor：我在看GradientBoostingRegressor的scikit学习文档。这里说，我们可以使用'ls‘作为一个损失函数，这是最小二乘回归。但是我很困惑，因为最小二乘回归是一种最小化SSE损失函数的方法。
所以他们不应该在这里提到SSE吗？
浏览 0提问于2020-10-22得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
