Python'da ağırlık matrisi ile en küçük kareler nasıl kullanılır?

Question

Ben Python kullanılarak en küçük kareler AX = B çözmek için nasıl biliyorum:

Örnek:

A=[[1,1,1,1],[1,1,1,1],[1,1,1,1],[1,1,1,1],[1,1,0,0]] 
B=[1,1,1,1,1] 
X=numpy.linalg.lstsq(A, B) 
print X[0] 
# [ 5.00000000e-01 5.00000000e-01 -1.66533454e-16 -1.11022302e-16] 

Ama ne bir ağırlık matrisi Kimlik olmamak ile bu aynı denklemi çözme konusunda:

A.X = B (W) 

Örnek:

A=[[1,1,1,1],[1,1,1,1],[1,1,1,1],[1,1,1,1],[1,1,0,0]] 
B=[1,1,1,1,1] 
W=[1,2,3,4,5] 

Adva tarafından teşekkürler nce,

Answer 1

başka (bir diyagonal matris olarak W kullanma ve matrisyal ürünler) yaklaşımını bulundu

:

A=[[1,1,1,1],[1,1,1,1],[1,1,1,1],[1,1,1,1],[1,1,0,0]] 
B = [1,1,1,1,1] 
W = [1,2,3,4,5] 
W = np.sqrt(np.diag(W)) 
Aw = np.dot(W,A) 
Bw = np.dot(B,W) 
X = np.linalg.lstsq(Aw, Bw) 

Aynı değerler ve aynı sonuçlar.

Answer 2

ben size ağırlıkları tanımladığınız bilmiyorum ama deneyebilirsin bu uygunsa:

import numpy as np 
A=np.array([[1,1,1,1],[1,1,1,1],[1,1,1,1],[1,1,1,1],[1,1,0,0]]) 
B = np.array([1,1,1,1,1]) 
W = np.array([1,2,3,4,5]) 
Aw = A * np.sqrt(W[:,np.newaxis]) 
Bw = B * np.sqrt(W) 
X = np.linalg.lstsq(Aw, Bw)