使用掩码的 Scipy NNLS答案

【问题标题】：Scipy NNLS using mask使用掩码的 Scipy NNLS
【发布时间】：2017-03-21 10:05:08
【问题描述】：

我正在使用 scipy 执行非负最小二乘法。一个简单的例子如下：

import numpy as np
from scipy.optimize import nnls

A = np.array([[60, 70, 120, 60],[60, 90, 120, 70]], dtype='float32')
b = np.array([6, 5])
x, res = nnls(A, b)

现在，我遇到了A 或b 中的某些条目可能丢失的情况（np.NaN）。类似的，

A_2 = A.copy()
A_2[0,2] = np.NaN

当然，在 A_2, b 上运行 NNLS 将无法正常工作，因为 scipy 不期望 inf 或 nan。

我们如何执行 NNLS，从计算中屏蔽掉缺失的条目。实际上，这应该转化为

Minimize |(A_2.x- b)[mask]|

其中掩码可以定义为：

mask = ~np.isnan(A_2)

一般来说，A 和 b 都可能缺少条目。

可能有帮助：

[1]How to include constraint to Scipy NNLS function solution so that it sums to 1

【问题讨论】：

标签： python numpy optimization scipy lmfit

【解决方案1】：

我认为您可以先计算掩码（确定要包含哪些点），然后执行 NNLS。给定面具

In []: mask
Out[]: 
array([[ True,  True, False,  True],
       [ True,  True,  True,  True]], dtype=bool)

您可以通过使用np.all沿第一轴检查列中的所有值是否为True来验证是否包含一个点。

In []: np.all(mask, axis=0)
Out[]: array([ True,  True, False,  True], dtype=bool)

这可以用作A 的列掩码。

In []: nnls(A_2[:,np.all(mask, axis=0)], b)
Out[]: (array([ 0.09166667,  0.        ,  0.        ]), 0.7071067811865482)

同样的思路可以用于b来构造行掩码。

【讨论】：

谢谢。这是完美的！