当我使用scipy.optimize时，如何处理“残数在初始点不是有限的”？
当我使用scipy.optimize时，如何处理“残数在初始点不是有限的”？
提问于 2019-12-27 14:18:52
我是python的新手，我想使用scipy.optimize执行非线性回归。
我遵循了scipy文档的介绍，这是我代码的一部分。
我已经将S_ADV、波动率和POV组织为几个numpy数组，它们是我回归中的观察值。对于MI，我想通过这个回归得到参数x，x1，x2，x3。
def model(x,S_ADV,volatility,POV):
return x[0] * x[1] * S_ADV ** x[2] * volatility ** x[3] * POV + (1-x[0]) * x[1] * S_ADV ** x[2] * volatility ** x[3]
def fun(x,S_ADV,volatility,POV,MI):
return model(x,S_ADV,volatility,POV) - MI
def jac(x,S_ADV,volatility,POV,MI):
JAC = np.empty((S_ADV.size, x.size))
JAC[:,0] = x[1] * S_ADV ** x[2] * volatility ** x[3] * POV - x[1] * S_ADV ** x[2] * volatility ** x[3]
JAC[:,1] = x[0]* S_ADV ** x[2] * volatility ** x[3] * POV + (1-x[0]) * S_ADV ** x[2] * volatility ** x[3]
JAC[:,2] = x[0] * x[1] * S_ADV ** x[2] * math.log(math.e,S_ADV) * volatility ** x[3] * POV + (1-x[0]) * x[1] * S_ADV ** x[2] * math.log(math.e,S_ADV) * volatility ** x[3]
JAC[:,3] = x[0] * x[1] * S_ADV ** x[2] * volatility ** x[3] * math.log(math.e,volatility) * POV + (1-x[0]) * x[1] * S_ADV ** x[2] * volatility ** x[3] * math.log(math.e,volatility)
return jac
x0 = np.array([7.00,0.7,0.2,1.00,1.00])
res = least_squares(fun, x0, jac = jac, args = (S_ADV,volatility,POV,MI))我的代码中是否有任何错误，以及如何处理这个问题？
ValueError: Residuals are not finite in the initial point.回答 1
Stack Overflow用户
发布于 2019-12-27 17:30:30
打印x0的fun的值，应该是浮点数。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/59496777
复制相关文章
相似问题
腾讯云开发者
