Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.
La variable de decisión de mi problema de optimización (que estoy tratando de mantener lineal) es un vector binario de ubicación, donde el valor en cada posición es 0 o 1 (dos ubicaciones posibles diferentes del elemento i). Uno de los componentes de la función objetivo es el siguiente: C_T . . . Read more
Dada una muestra de una distribución y asumiendo que es Gaussiana (distribución normal con mu y sigma desconocidos), la tarea es encontrar los parámetros media (mean) y desviación estándar (standard deviation) que la describen mejor. ¿Cuál es la diferencia matemática y por qué arroja resultados diferentes? Y si son diferentes, . . . Read more
Supongamos que tenemos un número n de bolas. Una bola i tiene un color ci del conjunto de colores C. El objetivo es colocar las bolas en cajas de igual tamaño K, y queremos que la distribución de colores dentro de la caja sea la misma que la distribución global . . . Read more
Estoy tratando de implementar un descenso de gradiente para aproximar los datos. Con la función Y = P0 + P1*X (o y=kx+b), el modelo funciona bien. Aquí está el código completo: import numpy as np import matplotlib.pyplot as plt from sklearn.linear_model import SGDRegressor def gradient(x, y): P0 = P1 = . . . Read more
Estoy tratando de implementar el método de Newton-Gauss en Python. Aquí está mi código completo: import numpy as np import matplotlib.pyplot as plt %matplotlib inline def gauss_newton(X, Y, max_iter=1000, eps=1e-6): P0 = [1, 1, 1] J = np.zeros([len(X), len(P0)]) for i in range(max_iter): j1 = 1 j2 = P0[0] j3 . . . Read more