上次作业写过一个最小二乘,直接拿来用就好了,用的是leastsq , 然后还要算残差的范数:
import numpy as np from scipy.optimize import leastsq A = np.random.normal(30,20,size=(20,10)) b = np.random.normal(4,40,size=(20,1)) x = np.random.normal(2,20,size=(10,1)) def func(x): x = x.reshape(10,1) ret = A@x-b n = ret.shape[0] return ret.T.reshape(n) ans = leastsq(func,x)[0] print(ans) r = [email protected] - b r_norm = np.linalg.norm(r,2) print(r_norm)
瞎生成的矩阵,最后算出来的残差大到难以接受。
没有求最大值的函数,所以就用minimize求 -f(x) 的最小值就好了:
import numpy as np from scipy.optimize import minimize def func(x): return np.sin(x-2)**2*np.exp((-1)*x**2)*(-1) ans = minimize(func,0) print(-ans.fun)
用scipy.spatial.distance.pdist 就是用来算这个的,输入X矩阵,返回的Y向量中的结果顺序是,先算第一行到2,3,4...n行的距离,然后算第2行到第3,4,...n行的距离,此处距离指欧几里得距离:
import numpy as np from scipy.spatial.distance import pdist X = np.array([[1,1,1],[2,2,2],[-1,-1,-1]]) Y = pdist(X,'euclidean') print(X) print(Y)
结果大概是这样,第一个是根号3,第二个是2根号3,第三个是3根号3。