你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
文章目录
前言
提示:这里可以添加本文要记录的大概内容:
例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。
提示:以下是本篇文章正文内容,下面案例可供参考
一、遗传算法优化数据拟合
遗传算法(GA)是一种经典的优化算法,其在matlab中编程较为简单。本文也参考了其他博客的写法。
二、使用步骤
代码如下(示例):
%%基于遗传算法的多项式拟合
%%优化的目标为:y 误差
%% GA
x=linspace(0,4*pi,90);
y=1+2*cos(x)+0.1*rand(size(x));
save tempdata.mat x y;
%y=a+b*cos(x+c)
ObjectiveFunction = @simple_fitness;
nvars = 3; % number of varibles
LB=[0.5 1 0]; % lower boundary
UB=[1.5 3 pi]; % upper boundary
ConstraintFunction = []; % constraints
rng default; % for reproducibality ?
[coeff,fval]=ga(ObjectiveFunction,nvars,...
[],[],[],[],LB,UB,ConstraintFunction);
yf=coeff(1)+coeff(2)*cos(x+coeff(3));
figure(1)
width=400;%宽度,像素数
height=250;%高度
left=200;%距屏幕左下角水平距离
bottem=100;%距屏幕左下角垂直距离
set(gcf,'position',[left,bottem,width,height])
plot(x,yf','-*','LineWidth',2)
%xlim([0 100]);
% xlabel('故障宽度 e-3','FontSize',10.5);ylabel('幅值/(m/s^2)','FontSize',10.5)
% title('峰值');
function y=simple_fitness(c)
load tempdata.mat x y;
xx=x;
yt=y;
% fitting function
yf=c(1)+c(2)*cos(xx+c(3));
y=sum(abs(yf-yt))/length(yt);
end
该处使用的url网络请求的数据。
---
# 总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。