python - 求解一组非线性方程，产生具有最小方差的输出

我有一组特征 A、B、C，并且想要预测在给定这些特征的组合的情况下我会看到的事件数量。我打算使用 svm 回归来生成一组非线性方程来模拟不同的事件发生。

所以在一天结束时，我将有几十个非线性方程来模拟事件结果。

e.g. 
eventA_count = 3A^2 -5 B^2 + 3C^3 + intercept
eventB_count = 3A^2 -2B^2 + C^4 + intercept  
etc...

我想创建一组限制为值 [0,1] 的 A、B 和 C 值，并在我的所有 eventA_count、eventB_count 等之间产生最小方差。但不只是将它们设置为值 0。

解决这个问题的最佳方法是什么？我的主要困惑是如何使用 scypy.optimize 之类的工具，或者当我没有所有方程的答案的实际数字时求解，即 eventA_count 是 var 而不是像 5 这样的 const。

由于我想最小化方差，我认为保证这一点的一种潜在方法是求解所有事件计数的方差方程并将其设置为 0。这是不现实的，因为我无法实现 0 方差，而是我' m 只寻找最小方差。

请让我知道我需要澄清的地方，或者我是否需要输入我当前的代码。

标签： pythonoptimizationsvmlibsvm