<br><br><div class="gmail_quote">On Sun, Oct 24, 2010 at 2:43 PM, Gökhan Sever <span dir="ltr">&lt;<a href="mailto:gokhansever@gmail.com">gokhansever@gmail.com</a>&gt;</span> wrote:<br><blockquote class="gmail_quote" style="margin: 0pt 0pt 0pt 0.8ex; border-left: 1px solid rgb(204, 204, 204); padding-left: 1ex;">
Hello,<br>
<br>
I have a simple test case below:<br>
<br>
#!/usr/bin/env python<br>
<br>
import numpy as np<br>
from scipy.optimize import leastsq, fsolve<br>
<br>
def fitfunc(gsd):<br>
    #return dH_dlogDP1 -<br>
(h1.sum()/((2*np.pi)**0.5*np.log(gsd)))*np.exp(-(np.log(Dp1)-np.log(Dp1))**2./(2.*np.log(gsd)**2.))<br>
    return dH_dlogDP1 - (h1.sum()/((2*np.pi)**0.5*np.log(gsd)))<br>
<br>
dH_dlogDP1 = np.array([ 869.11014589])<br>
Dp1 = np.array([ 0.02994996])<br>
h1 = np.array([ 1906.7283])<br>
<br>
res = leastsq(fitfunc, x0=1.5)<br>
res2 = fsolve(fitfunc, x0=1.0)<br>
<br>
<br>
return terms in fitfunc are equivalent since np.exp(-0) = 1<br>
I hand-solve this equation and find gsd as ~2.4. Both leastsq and<br>
fsolve requires initial estimates to work properly. Now the problem is<br>
they are very sensitive<br>
to the selection of initial parameter. x0=1.5 works (gives ~2.39)<br>
whereas x0=1.0 situation can&#39;t estimate a solution.<br>
<br>
Is there a way to improve this sensitive init estimate issue with an<br>
alternative approach?<br>
<br></blockquote><div><br>Looks pretty much like a hyperbola here, it&#39;s the division by the log term. Are you sure this is the right example?<br><br>Chuck <br></div><br></div>