我有以下问题。我有一个称为Z（x; t）的N x N实矩阵，其中x和t通常是向量。我有N_s个观测值（x_k，Z_k），k = 1，...，N_s，我想找到参数t的向量，该向量在最小二乘意义上更好地近似于数据，这意味着我希望t最小化] >
S（t）= \ sum_ {k = 1} ^ {N_s} \ sum_ {i = 1} ^ {N} \ sum_ {j = 1} ^ N（Z_ {k，ij}-Z（x_k; t））^ 2
通常，这是矩阵函数的非线性拟合。我仅找到其中必须适合标量函数的示例，这些标量函数不能立即泛化为矩阵函数（也不是矢量函数）。我尝试使用scipy.optimize.leastsq函数，软件包symfit和lmfit，但仍然无法找到解决方案。最终，我最终要编写自己的代码……感谢您的帮助！
我有以下问题。我有一个称为Z（x; t）的N x N实矩阵，其中x和t通常是向量。我有N_s个观测值（x_k，Z_k），k = 1，...，N_s，我想找到...的向量[
您可以对多维数据进行曲线拟合。据我所知，没有一个低级算法明确支持多维数据，但是它们确实在最小二乘意义上将一维数组最小化。拟合方法并不真正关心“独立变量” x，只是它们可以帮助您计算要最小化的数组-也许是要计算模型函数以匹配y数据。