最小二乘法的代码是不是有问题

[huatangzhi]

def residuals_func_regularization(p, x, y): ret = fit_func(p, x) - y ret = np.append(ret, np.sqrt(0.5*regularization*np.square(p))) # L2范数作为正则化项 return ret

是不是应该改成 def residual_func_regularization(p, x, y): ret = fit_function(p, x) - y ret = np.append(ret / np.sqrt(p.size), np.sqrt(0.5 * regularization * np.square(p))) return ret

L2 范数 前面的是不是要处以N

[fengdu78]

这个可以不用除

[huatangzhi]

除不影响结果，但是公式里面是有的吧

[cyber520]

是啊

[cyber520]

这里为啥要用append，不太理解

[farsmile]

这里为啥要用append，不太理解

ret = np.append(ret, np.sqrt(0.5 * regularization * np.square(p))) 通过回调、开方的操做，将正则化项当成数据项，从而可以调用，scipy.optimize.leastsq

[zhuyuedlut]

这里为啥要用append，不太理解

可以看leastsq库里提供的参数的介绍：

  f : callable
        The model function, f(x, ...).  It must take the independent
        variable as the first argument and the parameters to fit as
        separate remaining arguments.

the parameters to fit as separate remaining arguments，将用来调整的参数的数据（这里指的是正则项），作为其他参数传入