使用IDL中的SVDC
和SVSOL
,通过SVD分解解决线性最小二乘问题。在numpy
中,可以通过numpy.linalg.lstsq
函数完成此操作。(无需先计算SVD分解,然后再反向求解。)
>>> import numpy as np
>>> A = np.array([[1,2,3],[4,5,6]])
>>> b = np.array([4,4])
>>> x, _, _, _ = np.linalg.lstsq(A,b)
>>> x
array([-2., 0., 2.])
>>> np.dot(A,x)
array([ 4., 4.])
请注意,
b
的长度必须与
A
的行数相同,因此您的示例是错误的。为了确保我正确解释了IDL语义,这里是在
svsol
参考手册中的示例:
(链接)
>>> A = np.array(
... [[1.0, 2.0, -1.0, 2.5],
... [1.5, 3.3, -0.5, 2.0],
... [3.1, 0.7, 2.2, 0.0],
... [0.0, 0.3, -2.0, 5.3],
... [2.1, 1.0, 4.3, 2.2],
... [0.0, 5.5, 3.8, 0.2]])
>>> B = np.array([0.0, 1.0, 5.3, -2.0, 6.3, 3.8])
>>> x, _, _, _ = np.linalg.lstsq(A,B)
>>> print x
[ 1.00095058 0.00881193 0.98417587 -0.01009547]
scipy.linalg.solve(A,b)
吗? - Andy Haydensvsol
的东西。我所遵循的方法必须使用这种方式。 - Daniel Thaagaard Andreasen