mindspore.scipy.linalg.lstsq

mindspore.scipy.linalg.lstsq(A, B, rcond=None, driver=None)[源代码]

求解计算线性等式系统 \(A X = B\) 的最小二乘问题 。

说明

  • lstsq 目前仅用于 mindscience 科学计算场景，尚不支持其他使用场景。

  • lstsq 尚不支持Windows平台。

参数：

  • A (Tensor) - 等式左边的左乘Tensor，shape为 \((*, M, N)\) ，其中 \(*\) 表示零或者更多的Batch维度。

  • B (Tensor) - 等式右边的Tensor，shape为 \((*, M, K)\)，其中 \(*\) 表示零或者更多的Batch维度。

  • rcond (number.Number, 可选) - 在MindSpore中，当前这个参数不起作用，默认值： None 。

  • driver (string, 可选) - 使用哪个LAPACK函数求解最小二乘问题，可选项有 "gels", "gelsy", "gelss", "gelsd" ，默认值： None （ "gelsy" ） 如果 A 条件数很小， 且 A 是一个满秩矩阵，那么 "gels" 能很好地解决最小二乘问题，如果 A 不一定满秩， 则建议使用 "gelsy"，如果 A 的条件数很大， "gelsd" 能更好地解决该问题， "gelss" 方法在以前更常用，它 占用更少的内存，但是算得更慢。

返回：

  • solution (Tensor)，最小二乘的解，shape为 \((*, N, K)\)，其中 \(*\) 等于广播后的Batch维度。

  • residues (Tensor)，\(AX - B\)，其中 \(*\) 等于 广播后的Batch维度，当 driver 是("gels", "gelss", "gelsd")其中之一，且 \(M > N\) 时才会计算， 否则返回空Tensor。

  • rank (Tensor)， A 的有效秩数。shape为 \((*)\)，其中 \(*\) 等于 A 的Batch维度。当 driver 是 ("gelsy", "gelss", "gelsd")其中之一时才会计算，否则返回空Tensor 。

  • singular_values (Tensor)， A 的奇异值，shape为 \((*, min(M, N))\)，其中 \(*\) 等于 A 的Batch维度。 当 driver 是("gelss", "gelsd")其中之一时才会计算，否则返回空Tensor。

异常：

  • TypeError - 如果 A 和 B 的数据类型不同。

  • ValueError - 如果 A 的维度小于2。

  • ValueError - 如果 A 和 B 的shape不匹配。

  • ValueError - 如果 driver 不是 None、 "gels"、 "gelsy"、 "gelss" 或 "gelsd" 。

支持平台：

Ascend CPU

样例：

>>> import numpy as onp
>>> import mindspore
>>> from mindspore import Tensor
>>> from mindspore.scipy.linalg import lstsq
>>> a = Tensor(onp.array([[3, 0, 0, 0], [2, 1, 0, 0], [1, 0, 1, 0], [1, 1, 1, 1]], onp.float32))
>>> b = Tensor(onp.array([3, 1, 3, 4], onp.float32))
>>> solution, residual, rank, singular_value = lstsq(a, b)
>>> print(solution)
[ 1. -1.  2.  2.]
>>> print(a @ solution)  # Check the result
[3. 1. 3. 4.]