【问题标题】:Optimizing simulation input parameters to fit statistical data in Python优化模拟输入参数以适应 Python 中的统计数据
【发布时间】:2022-12-14 13:04:58
【问题描述】:

我想在数值模型上优化四个输入参数。我有一个输入文件,其中包含这些参数。我使用 subprocess 在 Python 中运行一个应用程序,并在 csv 文件上获取结果。我运行这些模拟大约 300 次以进行一些蒙特卡罗模拟,获得一系列可能的值以与我拥有的真实数据(遵循 Weibull 分布的 20 个点)进行比较。

我可以使用哪种优化算法与数值结果和实际数据(这是 OF)之间的四分位数的拟合优度来获得最佳初始参数?

【问题讨论】:

  • 请提供data示例和一段code你也尝试过你使用的建模方法

标签: python optimization statistics


【解决方案1】:

回归模型适用于使用线性回归和局部搜索优化算法的训练数据。

线性回归和逻辑回归等模型通过最小二乘优化进行训练,这是找到使这些模型的误差最小化的系数的最有效方法。

然而,可以使用替代优化算法将回归模型拟合到训练数据集。这可能是一个有用的练习,可以帮助您更多地了解回归函数和优化在应用机器学习中的核心性质。对于不满足最小二乘优化程序要求的数据的回归也可能需要。

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 2013-04-16
    • 1970-01-01
    • 2015-09-16
    • 1970-01-01
    • 1970-01-01
    • 2016-02-03
    • 1970-01-01
    • 2020-01-16
    相关资源
    最近更新 更多