【发布时间】：2017-11-22 14:49:40
【问题描述】：
我想找到“xA=b”的非负最小二乘解。我很高兴能在 Python、Matlab 或 R 中找到答案。
A 是 6*10 矩阵，b 是 8192*10 矩阵。
我发现了一些函数：Python 中的least_squares 和nnls，Matlab 中的lsqnonneg。
nnls 和lsqnonneg 仅用于Ax=b。
我对@987654329@ 的实现给了我一个错误：
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
from scipy.optimize import least_squares
spec=pd.read_csv('spec.csv',sep=',',header=None)
y=pd.read_csv('y.csv',sep=',',header=None)
spec=np.array(spec).T
y=np.array(y)
spec=spec[(0,1,2,3,4,5,6,9),:]
y=y[(0,1,2,3,4,5,6,9),:]
print(spec.shape,y.shape)
def fun(a, x, y):
return a*x-y
a0=np.ones((8192,6))
a=least_squares(fun, a0, args=(y.T[:,0], spec.T[:,0]),
bounds=([np.zeros((8192,6)),
np.ones((8192,6))*np.inf]))
runfile('C:/Users/Documents/lsq.py', wdir='C:/Users/Documents') (8, 8192) (8, 6) Traceback（最近一次调用最后一次）：
文件“”，第 1 行，在 runfile('C:/Users/wangm/Documents/lsq.py', wdir='C:/Users/Documents')
运行文件中的文件“C:\Anaconda3\lib\site-packages\spyderlib\widgets\externalshell\sitecustomize.py”，第 714 行 execfile(文件名，命名空间)
文件“C:\Anaconda3\lib\site-packages\spyderlib\widgets\externalshell\sitecustomize.py”，第 89 行，在 execfile 中 exec（编译（f.read（），文件名，'exec'），命名空间）
文件“C:/Users/Documents/lsq.py”，第 30 行，在 np.ones((8192,6))*np.inf]))
文件“C:\Anaconda3\lib\site-packages\scipy\optimize_lsq\least_squares.py”，第 742 行，in least_squares raise ValueError("x0 最多只能有 1 个维度。")
ValueError：
x0最多只能有 1 个维度。
【问题讨论】：
-
在副本中看到：
x*A=b与A^T*x^T=b^T相同 -
@AnderBiguri，需要注意的是，它可以在 Matlab 中非常容易地完成，而无需任何方程转换？ Matlab 可能只是在内部为您处理这一步......
-
@Wolfie 是的，它很有用，你的答案很好，你应该把它留在那里。我自己使用
mldivide已经很久了，但根据文档，它确实解决了x*A=b。我认为它总能解决这个问题，但我们从不查看输出的形状（我们得到 1x20 而不是 20x1，我们根本不在乎！） -
@Wolfie 这里不能预乘A，因为A是6*10矩阵，b是8192*10矩阵。所以我预乘b.T，。 > A=y.T > b=spec.T > new_A=b.T > new_b=new_Abnp.linalg.pinv(A)
-
@user24067，是的，我删除了该评论。对于方程变换，请参阅安德的评论和重复的问题。如需快速解决方案，请参阅我的答案。
标签： python r matlab math least-squares