**已关闭。**此问题需要debugging details。它目前不接受回答。

编辑问题以包括desired behavior, a specific problem or error, and the shortest code necessary to reproduce the problem。这将有助于其他人回答这个问题。
8天前关闭。
Improve this question的
如何仅使用numpy进行约束最小二乘法。是否有任何方法将约束合并到numpy.linalg.lstsq()中，或者是否有任何numpy +Python解决方案来执行约束最小二乘法？我知道我可以用cvxpy和scipy.optimize轻松地做到这一点，但这种优化将是numba JIT函数的一部分，而numba不支持这两个。
编辑：这里有一个我想解决的问题的虚拟例子

arr_true = np.vstack([np.random.normal(0.3, 2, size=20),
                      np.random.normal(1.4, 2, size=20),
                      np.random.normal(4.2, 2, size=20)]).transpose()
x_true = np.array([0.3, 0.35, 0.35])
y = arr_true @ x_true

def problem():
    noisy_arr = np.vstack([np.random.normal(0.3, 2, size=20),
                        np.random.normal(1.4, 2, size=20),
                        np.random.normal(4.2, 2, size=20)]).transpose()

    x = cvxpy.Variable(3)
    objective = cvxpy.Minimize(cvxpy.sum_squares(noisy_arr @ x - y))
    constraints = [0 <= x, x <= 1, cvxpy.sum(x) == 1]
    prob = cvxpy.Problem(objective, constraints)
    result = prob.solve()
    output = prob.value
    args = x.value

    return output, args

字符串
本质上，我的问题是最小化$Ax-y$，满足$x_1+x_2+x_3 = 1$和$\forall x_i，0 \leq x_i \leq 1$。