La traducción de esta página está obsoleta. Haga clic aquí para ver la última versión en inglés.
Mínimos cuadrados lineales
Antes de comenzar a resolver un problema de optimización, deberá elegir el enfoque adecuado: basado en problemas o basado en solvers. Para obtener más detalles, consulte En primer lugar, elija el enfoque basado en problemas o el enfoque basado en solvers.
Los mínimos cuadrados lineales resuelven min||C*x - d||2, posiblemente con límites o restricciones lineales.
Para el enfoque basado en problemas, cree variables de problemas y, posteriormente, represente la función objetivo y las restricciones en términos de estas variables simbólicas. Para saber qué saltos basados en problemas se deben tomar, consulte Problem-Based Optimization Workflow. Para resolver el problema resultante, utilice solve
.
Para saber qué saltos basados en solvers se deben tomar, incluyendo la definición de la función objetivo y las restricciones, y la selección del solver adecuado, consulte Configuración de problema de optimización basada en solvers. Para resolver el problema resultante, utilice lsqlin
o, para mínimos cuadrados no negativos, puede utilizar también lsqnonneg
.
Funciones
Tareas de Live Editor
Optimize | Optimice o resuelva ecuaciones en Live Editor |
Temas
Mínimos cuadrados lineales basados en problemas
- Shortest Distance to a Plane
Shows how to solve a linear least-squares problem using the problem-based approach. - Nonnegative Linear Least Squares, Problem-Based
Shows how to solve a nonnegative linear least-squares problem using the problem-based approach and several solvers. - Large-Scale Constrained Linear Least-Squares, Problem-Based
Solves an optical deblurring problem using the problem-based approach. - Write Objective Function for Problem-Based Least Squares
Syntax rules for problem-based least squares.
Mínimos cuadrados lineales basados en solvers
- Optimize Live Editor Task with lsqlin Solver
Example showing the Optimize Live Editor task and linear least squares. - Nonnegative Linear Least Squares, Solver-Based
This example shows how to use several algorithms to solve a linear least-squares problem with the bound constraint that the solution is nonnegative. - Jacobian Multiply Function with Linear Least Squares
Example showing how to save memory in a large structured linear least-squares problem. - Warm Start Best Practices
Describes how best to use warm start for speeding repeated solutions. - Large-Scale Constrained Linear Least-Squares, Solver-Based
Solves an optical deblurring problem using the solver-based approach.
Generación de código
- Code Generation in Linear Least Squares: Background
Prerequisites to generate C code for linear least squares. - Generate Code for lsqlin
Example of code generation for linear least squares. - Optimization Code Generation for Real-Time Applications
Explore techniques for handling real-time requirements in generated code.
Algoritmos basados en problemas
- Write Objective Function for Problem-Based Least Squares
Syntax rules for problem-based least squares. - Problem-Based Optimization Algorithms
Learn how the optimization functions and objects solve optimization problems. - Supported Operations for Optimization Variables and Expressions
Explore the supported mathematical and indexing operations for optimization variables and expressions.
Algoritmos y opciones
- Least-Squares (Model Fitting) Algorithms
Minimizing a sum of squares in n dimensions with only bound or linear constraints. - Optimization Options Reference
Explore optimization options.