cvxopt

    0

    1答えて

    多項式を、データの「最上位」にフィットするような経験的データセットに適合させるにはどうすればよいですか?関数の出力はそのxの最大のyより大きい。しかし同時に、データを抱き締めるように最小化します。あなたはそれらの座標を送り、二次計画問題で効率的フロンティアの座標を見つけるためにcvxoptを使用する必要が

    5

    1答えて

    python 3.6でWindows 10にcvxoptをインストールするにはどうすればよいですか? conda install cvxopt Fetching package metadata ........... Solving package specifications: . UnsatisfiableError: The following specifications we

    1

    1答えて

    大規模な線形プログラムを実行しようとしていて、以前のコードの一部をMATLABからPythonに変換しています。しかし、問題はMATLABとPythonが劇的に矛盾する答えを与えているということです.MATLABコードは最適な解決策を見つけますが、Pythonコードでは問題は実行不可能です。これは、ell_infinity回帰またはミニマックス回帰のLPモデリングです。私は両方の機能の設定にかなり

    0

    1答えて

    私は端子を介してcvxoptのpackegeをインストールすると、私は をPycharm 3.0.3を搭載したMac 10.6.8をインストールしました: ピップはcvxopt をインストールしてから、私は私が手にモジュールをインポートします次 トレースバック(最新の呼び出しの最後): " ファイルで、1行目、「 ファイル" /Library/Frameworks/Python.framework

    0

    1答えて

    アナコンダでcvxoptを使用しようとしています。 ここでは、インストール指示続か:How to install cvxopt for Python 3.5 on Windows 7 をしかし、エラーを得た: import cvxopt File "C:\Anaconda3\lib\site-packages\cvxopt\__init__.py", line 32, in <module>

    0

    2答えて

    Windows上ピップを使用して、Python用cxvoptパッケージをインストールしようとすると、I取得するには、次のエラーメッセージ: misc.h(35): error C2146: syntax error: missing ';' before identifier 'z' misc.h(35): error C2061: syntax error: identifier 'z' m

    0

    1答えて

    私はpython cvxoptで凸最適化問題を解決しています。 Gx <= hという制約を使用して、下限と上限を追加できます。しかしながら、これは問題の次元を増加させる。ソリューションプロセス中のシナリオに加えて、私の決定変数はマイナスになります。

    0

    1答えて

    古典的なMarkowitzポートフォリオのリスクを最小限に抑えるポートフォリオの重量配分を最適化しようとしています。 私は In [138]: exp_sub = pd.DataFrame(data=[[-10, 20],[-10, 20],[-10, 20],[-10, 20],[-10, 20]], columns=['lower','upper']) In [131]: exp_sub

    0

    1答えて

    私はCVXOPTを使っています.G行列を作成するには、方程式を区別して計算する必要があります。分化にはSympy.mpmathとlambda関数私はmpf形式で出力を取得しています。私はCVXOPTをサポートするpython float形式にmpfを変換する方法を提案してください。 ありがとう dg1 = np.array([sp.mpmath.diff(lambda x1,x2,x3,x4,x5

    0

    1答えて

    二次制約付きのCVXOPT二次計画問題を定式化するための決定的なガイドを探しています。ここで提供される優れた文書があります。 私が取り扱っております、問題文は問題hereと同じです: 行列Gが見えるようになっていますか?私は線形方程式の系統として定式化しましたが、例を見るとこれは正しいとは思われません。 私が見つけた最良のリソースはhttps://courses.csail.mit.edu/6.8