GEKKO 다변량 비선형 회귀

Kaziaurnob
df = pd.read_csv("data.csv")

xm1 = np.array(df["T"]) #Dep Var 1
xm2 = np.array(df["t"])  #Dep Var 2
xm3 = np.array(df["L"]) #Dep Var 3
ym = np.array(df["S"])  #Indep Var

# GEKKO model
m = GEKKO()
a = m.FV(lb=-100.0,ub=100.0)
b = m.FV(lb=-100.0,ub=100.0)
c = m.FV(lb=-100.0,ub=100.0)
d = m.FV(lb=-100.0,ub=100.0)
e = m.FV(lb=-100.0,ub=100.0)
f = m.FV(lb=-100.0,ub=100.0)
g = m.FV(lb=-100.0,ub=100.0)
x1 = m.Param(value=xm1)
x2 = m.Param(value=xm2)
x3 = m.Param(value=xm3)
z = m.Param(value=ym)
y = m.Var()
m.Equation(y == a+x1*b+x2*c+x3*d+e*(x1**2)+f*(x2**2)+g*(x3**2)
m.Obj(((y-z)/z)**2)

나는 점점 오전 SyntaxError: invalid syntax에를 m.Obj(((y-z)/z)**2). 나는 이것을 위해 APMonitor.com의 코드를 따랐다. 이 코드는 해당 예제에서 완벽하게 작동합니다. 그러나 더 많은 FV로 회귀 문제에 맞게 수정하면이 구문 오류가 표시됩니다. 구문 오류 그림 첨부

이것에 무엇이 잘못되었는지 잘 모르겠습니다. 어떤 도움을 주시면 감사하겠습니다.

Ach113

다음 줄로 인해 오류가 발생합니다.

m.Equation(y == a+x1*b+x2*c+x3*d+e*(x1**2)+f*(x2**2)+g*(x3**2)

y선언 전에 추가 괄호가 있습니다.

이 기사는 인터넷에서 수집됩니다. 재 인쇄 할 때 출처를 알려주십시오.

침해가 발생한 경우 연락 주시기 바랍니다[email protected] 삭제

에서 수정
0

몇 마디 만하겠습니다

0리뷰
로그인참여 후 검토

관련 기사

분류에서Dev

다변량 선형 회귀 비용이 너무 높음

분류에서Dev

다변량 선형 회귀에서 특징 선택

분류에서Dev

경사 하강 법을 사용한 다변량 선형 회귀

분류에서Dev

pymc3의 다변량 선형 회귀

분류에서Dev

비선형 회귀

분류에서Dev

다변량 선형 회귀 모델에 대해 비용 대 시대를 그릴 때 빈 플롯 얻기

분류에서Dev

다변량 / 다중 정규식보다 단순 선형 회귀에서 더 나은 결과

분류에서Dev

R의 다중 선형 회귀 모델

분류에서Dev

numpy를 사용한 일 변량 회귀를위한 신경망은 선형 결과 만 제공합니다.

분류에서Dev

R의 nlcom (Stata)과 동일합니까? 회귀 계수의 비선형 변환

분류에서Dev

R의 다중 회귀에서 "회귀선"플로팅

분류에서Dev

자동 변수 선택 – 회귀 선형 모델

분류에서Dev

Scikit-learn : 선형 회귀는 직선이 아닙니다.

분류에서Dev

적응 형 선형 회귀

분류에서Dev

R을 사용한 로그 선형 회귀와 선형 회귀 비교

분류에서Dev

수명 선 및 범주 형 변수를 사용한 Cox 회귀

분류에서Dev

구성 설명 변수를 사용한 선형 회귀

분류에서Dev

Python 다중 선형 회귀는 플롯 할 수 없습니다.

분류에서Dev

다중 선형 회귀. Coeffs가 일치하지 않습니다.

분류에서Dev

선형 / 비선형 회귀로 두 곡선 맞추기

분류에서Dev

R의 다중 선형 회귀 모델에서 예측 변수의 효과에 대한 추정량의 분산 추정

분류에서Dev

선형 회귀 : 예측 변수의 비 숫자 이산 영역을 숫자 1로 대체

분류에서Dev

행렬을 사용하지 않고 하나의 변수로 선형 회귀를위한 비용 함수 계산

분류에서Dev

다중 선형 회귀 목록에 대한 Wald 테스트

분류에서Dev

선형 회귀 플롯은 정말 나쁩니다

분류에서Dev

다중 선형 회귀에 R Shiny 사용 (SelectInput-> multiple = TRUE)

분류에서Dev

다중 선형 회귀에 대한 예측 계산

분류에서Dev

GSL의 다중 선형 회귀가 맞습니까?

분류에서Dev

R의 다중 선형 회귀에 대한 교차 검증

Related 관련 기사

  1. 1

    다변량 선형 회귀 비용이 너무 높음

  2. 2

    다변량 선형 회귀에서 특징 선택

  3. 3

    경사 하강 법을 사용한 다변량 선형 회귀

  4. 4

    pymc3의 다변량 선형 회귀

  5. 5

    비선형 회귀

  6. 6

    다변량 선형 회귀 모델에 대해 비용 대 시대를 그릴 때 빈 플롯 얻기

  7. 7

    다변량 / 다중 정규식보다 단순 선형 회귀에서 더 나은 결과

  8. 8

    R의 다중 선형 회귀 모델

  9. 9

    numpy를 사용한 일 변량 회귀를위한 신경망은 선형 결과 만 제공합니다.

  10. 10

    R의 nlcom (Stata)과 동일합니까? 회귀 계수의 비선형 변환

  11. 11

    R의 다중 회귀에서 "회귀선"플로팅

  12. 12

    자동 변수 선택 – 회귀 선형 모델

  13. 13

    Scikit-learn : 선형 회귀는 직선이 아닙니다.

  14. 14

    적응 형 선형 회귀

  15. 15

    R을 사용한 로그 선형 회귀와 선형 회귀 비교

  16. 16

    수명 선 및 범주 형 변수를 사용한 Cox 회귀

  17. 17

    구성 설명 변수를 사용한 선형 회귀

  18. 18

    Python 다중 선형 회귀는 플롯 할 수 없습니다.

  19. 19

    다중 선형 회귀. Coeffs가 일치하지 않습니다.

  20. 20

    선형 / 비선형 회귀로 두 곡선 맞추기

  21. 21

    R의 다중 선형 회귀 모델에서 예측 변수의 효과에 대한 추정량의 분산 추정

  22. 22

    선형 회귀 : 예측 변수의 비 숫자 이산 영역을 숫자 1로 대체

  23. 23

    행렬을 사용하지 않고 하나의 변수로 선형 회귀를위한 비용 함수 계산

  24. 24

    다중 선형 회귀 목록에 대한 Wald 테스트

  25. 25

    선형 회귀 플롯은 정말 나쁩니다

  26. 26

    다중 선형 회귀에 R Shiny 사용 (SelectInput-> multiple = TRUE)

  27. 27

    다중 선형 회귀에 대한 예측 계산

  28. 28

    GSL의 다중 선형 회귀가 맞습니까?

  29. 29

    R의 다중 선형 회귀에 대한 교차 검증

뜨겁다태그

보관