python-3.x - 整数输入的曲线拟合Python 3.3

我正在使用scipy的curvefit模块拟合函数，并想知道是否有办法告诉它唯一可能的输入是整数而不是实数？关于另一种方法有什么想法吗？

最佳答案

一般而言，整数编程问题是NP难的(请参阅here)。有一些有效的启发式算法或近似算法可以解决此问题，但不能保证精确的最优解。

在scipy中，您可以对整数系数实现网格搜索，并在给定的整数系数的实参上使用curve_fit。至于网格搜索。 scipy具有 brute 功能。

例如，如果y = a * x + b * x^2 + some-noise必须为整数，则这可能有效:

使用a和a = 5生成一些测试数据:

coef, n = [5, - 1.5], 50
xs = np.linspace(0, 10, n)[:,np.newaxis]
xs = np.hstack([xs, xs**2])
noise = 2 * np.random.randn(n)
ys = np.dot(xs, coef) + noise

使用b = -1.5方法给定整数系数的函数适合实际系数:

def optfloat(intcoef, xs, ys):
    from scipy.optimize import curve_fit
    def poly(xs, floatcoef):
        return np.dot(xs, [intcoef, floatcoef])
    popt, pcov = curve_fit(poly, xs, ys)
    errsqr = np.linalg.norm(poly(xs, popt) - ys)
    return dict(errsqr=errsqr, floatcoef=popt)

一个给出整数系数的函数，使用上述函数优化浮点系数并返回错误:

def errfun(intcoef, *args):
    xs, ys = args
    return optfloat(intcoef, xs, ys)['errsqr']

使用curve_fit最小化errfun以找到最佳整数系数，并使用优化的整数系数调用scipy.optimize.brute以找到最佳实数系数:

from scipy.optimize import brute
grid = [slice(1, 10, 1)]  # grid search over 1, 2, ..., 9
# it is important to specify finish=None in below
intcoef = brute(errfun, grid, args=(xs, ys,), finish=None)
floatcoef = optfloat(intcoef, xs, ys)['floatcoef'][0]

使用这种方法，我获得了最佳系数的optfloat，它对于整数系数是精确的，而对于实数系数则足够接近。

关于python-3.x - 整数输入的曲线拟合Python 3.3，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/22850489/