scipy smart оптимизировать

Question

Мне нужно сопоставить некоторые точки из разных наборов данных прямыми линиями. Из каждого набора данных я хочу разместить линию. Итак, я получил параметры ai и bi, которые описывают i-строку: ai + bi * x. Проблема в том, что я хочу наложить, что все ai равны, потому что мне нужен один и тот же перехватчик. Я нашел здесь руководство: http://www.scipy.org/Cookbook/FittingData# head-a44b49d57cf0165300f765e8f1b011876776502f. Разница в том, что я не знаю заранее, сколько у меня наборов данных. Мой код такой:

from numpy import *
from scipy import optimize

# here I have 3 dataset, but in general I don't know how many dataset are they
ypoints = [array([0, 2.1, 2.4]),    # first dataset, 3 points
           array([0.1, 2.1, 2.9]),  # second dataset
           array([-0.1, 1.4])]      # only 2 points

xpoints = [array([0, 2, 2.5]),      # first dataset
           array([0, 2, 3]),        # second, also x coordinates are different
           array([0, 1.5])]         # the first coordinate is always 0

fitfunc = lambda a, b, x: a + b * x
errfunc = lambda p, xs, ys: array([ yi - fitfunc(p[0], p[i+1], xi) 
                                    for i, (xi,yi) in enumerate(zip(xs, ys)) ])


p_arrays = [r_[0.]] * len(xpoints)
pinit = r_[[ypoints[0][0]] + p_arrays]
fit_parameters, success = optimize.leastsq(errfunc, pinit, args = (xpoints, ypoints))

Я получил

Traceback (most recent call last):
  File "prova.py", line 19, in <module>
    fit_parameters, success = optimize.leastsq(errfunc, pinit, args = (xpoints,    ypoints))
  File "/usr/lib64/python2.6/site-packages/scipy/optimize/minpack.py", line 266, in  leastsq
    m = check_func(func,x0,args,n)[0]
  File "/usr/lib64/python2.6/site-packages/scipy/optimize/minpack.py", line 12, in  check_func
    res = atleast_1d(thefunc(*((x0[:numinputs],)+args)))
  File "prova.py", line 14, in <lambda>
    for i, (xi,yi) in enumerate(zip(xs, ys)) ])
ValueError: setting an array element with a sequence.

python optimization scipy

0

Ruggero Turra 22 Июн 2010 в 19:30

Answer 1

Если вам просто нужна линейная аппроксимация, то лучше оценить ее с помощью линейной регрессии, а не нелинейного оптимизатора. Более точную статистику можно получить, используя вместо этого scikits.statsmodels.

import numpy as np
from numpy import array

ypoints = np.r_[array([0, 2.1, 2.4]),    # first dataset, 3 points
           array([0.1, 2.1, 2.9]),  # second dataset
           array([-0.1, 1.4])]      # only 2 points

xpoints = [array([0, 2, 2.5]),      # first dataset
           array([0, 2, 3]),        # second, also x coordinates are different
           array([0, 1.5])]         # the first coordinate is always 0

xp = np.hstack(xpoints)
indicator = []
for i,a in enumerate(xpoints):
    indicator.extend([i]*len(a))

indicator = np.array(indicator)


x = xp[:,None]*(indicator[:,None]==np.arange(3)).astype(int)
x = np.hstack((np.ones((xp.shape[0],1)),x))

print np.dot(np.linalg.pinv(x), ypoints)
# [ 0.01947973  0.98656987  0.98481549  0.92034684]

Матрица регрессоров имеет общий перехват, но разные столбцы для каждого набора данных:

>>> x
array([[ 1. ,  0. ,  0. ,  0. ],
       [ 1. ,  2. ,  0. ,  0. ],
       [ 1. ,  2.5,  0. ,  0. ],
       [ 1. ,  0. ,  0. ,  0. ],
       [ 1. ,  0. ,  2. ,  0. ],
       [ 1. ,  0. ,  3. ,  0. ],
       [ 1. ,  0. ,  0. ,  0. ],
       [ 1. ,  0. ,  0. ,  1.5]])

1

Josef 28 Июн 2010 в 00:05

Answer 2

(Примечание: используйте def, а не lambda, назначенный имени - это совершенно глупо и не имеет ничего, кроме недостатков, lambda использует только анонимный функции!).

Ваш errfunc должен возвращать последовательность (массив или иначе) чисел с плавающей запятой, но это не так, потому что вы пытаетесь поместить в качестве элементов своих массивов массивы, которые являются различиями каждой точки y (помните, ypoints он же ys - это список массивов!) и результаты подходящих функций. Поэтому вам нужно "свернуть" выражение yi - fitfunc(p[0], p[i+1], xi) до одного числа с плавающей запятой, например norm(yi - fitfunc(p[0], p[i+1], xi)).

1

Alex Martelli 22 Июн 2010 в 16:07

scipy smart оптимизировать

2 ответа

Похожие вопросы

Новые вопросы

python