У меня простая проблема.
У меня есть две матрицы A и B,
и я хочу найти преобразование AX, которое делает AX наиболее близким к B в смысле наименьших квадратов.
т.е. найти X такой, что X = argmin ||AX -B|| under 2-norm.
Как я могу решить эту проблему, используя numpy или scipy?
Я пытался найти, но единственный метод, который там есть - это lstsq (https://docs.scipy.org/doc/numpy/reference/generated/numpy.linalg.lstsq.html), но он находит решение линейного уравнения с вектором x.
Как решить мою проблему, т.е. найти преобразование X для матрицы A?
Существуют ли нелинейные методы, которые делают это? Как эта проблема решается в оптимизации?