如何在 Python 中优化多元函数
How to optimize multivariate functions in Python
我有这个数据框:
其中:
x: independent variable
y: independent variable
z: dependent variable
如何在 Python 中找到最佳的“a”和“b”参数,以便优化此函数:
z = a*sin(x) + b*sin(y)
我知道最优解是:
a = 0
b = 1
但是我应该使用什么 Python 代码?我想我应该使用 scipy 优化,但我只能将其与一个自变量一起使用。
您可能需要考虑 sklearn
:
假设您的数据框名为 df
,您可能要做的第一件事是创建一个包含 x,y
正弦变换的变量 X
,例如
from math import sin
X = [[sin(x), sin(y)] for x, y in zip(df.x, df.y)]
然后是一个变量 Z
即 df.z
.
最后,您可以使用sklearn
进行线性回归拟合,例如
from sklearn.linear_model import LinearRegression
reg = LinearRegression().fit(X, Z)
我有这个数据框:
其中:
x: independent variable
y: independent variable
z: dependent variable
如何在 Python 中找到最佳的“a”和“b”参数,以便优化此函数:
z = a*sin(x) + b*sin(y)
我知道最优解是:
a = 0
b = 1
但是我应该使用什么 Python 代码?我想我应该使用 scipy 优化,但我只能将其与一个自变量一起使用。
您可能需要考虑 sklearn
:
假设您的数据框名为 df
,您可能要做的第一件事是创建一个包含 x,y
正弦变换的变量 X
,例如
from math import sin
X = [[sin(x), sin(y)] for x, y in zip(df.x, df.y)]
然后是一个变量 Z
即 df.z
.
最后,您可以使用sklearn
进行线性回归拟合,例如
from sklearn.linear_model import LinearRegression
reg = LinearRegression().fit(X, Z)