Я хочу подобрать M = 2 набора из N = 3 наблюдений (X, Y), используя scipy.odr за один шаг подбора, из которого я ожидаю получить 2*M наиболее подходящих значений (оценки наклона и точки пересечения в каждом из M наборов наблюдений ). После прочтения документации scipy.odr и нескольких вопросов, связанных с stackoverflow, кажется, что это должно быть возможно, но когда я пытаюсь использовать следующий минимальный пример, подгонка не сходится (Reason(s) for Halting: NP < 1 or NP > N).
Я начинаю с достаточно хорошей аппроксимации наиболее подходящих значений beta. Любые идеи, почему это так неудачно?
from pylab import *
from scipy import odr
x = array([[1.0,2.0,3.0],[1.1,2.1,3.1]])
y = array([[1.1,2.3,3.1],[5.9,7.0,8.2]])
sx = x*0 + .1
sy = y*0 + .1
def f(B, x):
out = x * 0
for k in range(x.shape[0]) :
out[k,:] = B[2*k] * x[k,:] + B[2*k+1]
return out
result = odr.ODR(
odr.RealData( x, y, sx = sx, sy = sy ),
odr.Model(f), beta0 = array([1.,0.,1.,5.])
).run()
result.pprint()
