数学表达式: 从恐惧到单挑-作业day3

这篇博客探讨了数学中的累加、累乘和积分表达式,并通过示例提供了标准答案。此外,解释了三重累加的概念,并展示了如何手动计算一个定积分并与Python程序结果比较。最后,通过一个具体的n=3, m=1的最小二乘法例子,验证了该方法的有效性,证明了计算结果与预期相符。
摘要由CSDN通过智能技术生成

8.4 作业

1. 将向量下标为偶数的分量 (x2, x4, …) 累加, 写出相应表达式.

答: ∑ i m o d    2 = 0 x i \sum_{i \mod 2 =0}x_i imod2=0xi

2. 各出一道累加、累乘、积分表达式的习题, 并给出标准答案.

答:2.1奇数(1,3,5,7,9)累加
∑ i = 0 4 2 i + 1 \sum_{i=0}^42i+1 i=042i+1
2.2 3的倍数的累乘
∏ i = 1 n 3 i \prod_{i=1}^n3i i=1n3i
2.3 求方程 f ( x ) = x 2 + x + 1 f(x)=x^2+x+1 f(x)=x2+x+1 y = 1 y=1 y=1所围成的面积
∫ 3 4 1 x 2 + x + 1 \int_\frac{3}{4}^1x^2+x+1 431x2+x+1

3. 你使用过三重累加吗? 描述一下其应用.

答:

4. 给一个常用的定积分, 将手算结果与程序结果对比.

答:
∫ 0 6 4 x 3 + x 2 + 2 d x = x 4 ∣ 0 6 + 1 3 x 3 ∣ 0 6 + 2 x ∣ 0 6 = 1296 + 1 3 × 216 + 2 × 6 = 1296 + 72 + 12 = 1380 \int_0^64x^3+x^2+2dx \\ =x^4\vert_0^6+\frac{1}{3}x^3\vert_0^6+2x\vert_0^6 \\ =1296+\frac{1}{3}\times216+2\times6 \\ =1296+72+12 \\ =1380 064x3+x2+2dx=x406+31x306+2x06=1296+31×216+2×6=1296+72+12=1380
Python代码:

from sympy import *
x = symbols('x')
f = 4*x**3+x**2+2
A = integrate(f, (x, 0, 6))
print(A)

9.3 作业

自己写一个小例子 ( n = 3 , m = 1 ) (n=3, m = 1) (n=3,m=1) 来验证最小二乘法.
X = [ 1 2 1 ]    Y = [ 1 ] \mathbf{X}=\begin{bmatrix} 1 \\ 2 \\ 1 \\ \end{bmatrix}\space\space \mathbf{Y}=\begin{bmatrix} 1 \end{bmatrix} X=121  Y=[1]
X T X = [ 6 ] \mathbf{X}^\mathrm{T}\mathbf{X}=[6] XTX=[6]                 \space\space\space\space\space\space\space\space\space\space\space\space\space\space\space                 X T Y = [ 1 2 1 ] \mathbf{X}^\mathrm{T}\mathbf{Y}=\begin{bmatrix} 1&2&1 \end{bmatrix} XTY=[121]                 w = ( X T X ) − 1 X T Y = [ 1 6 1 3 1 6 ] \space\space\space\space\space\space\space\space\space\space\space\space\space\space\space\mathbf{w}=(\mathbf{X}^\mathrm{T}\mathbf{X})^{-1}\mathbf{X}^\mathrm{T}\mathbf{Y}=\begin{bmatrix} \frac{1}{6} & \frac{1}{3}&\frac{1}{6} \end{bmatrix}                w=(XTX)1XTY=[613161]
X w = [ 1 6 + 2 3 + 1 6 ] = [ 1 ] \mathbf{X} \mathbf{w} =[\frac{1}{6}+\frac{2}{3}+\frac{1}{6}]=[1] Xw=[61+32+61]=[1]
得证 X w ≈ Y \mathbf{X} \mathbf{w} \approx \mathbf{Y} XwY

10.6 作业

自己推导一遍, 并描述这个方法的特点 (不少于 5 条).

  1. 逻辑回归称为回归,但其实际上是分类模型,并常用于二分类。
  2. 逻辑回归使用了sigmod函数,使得函数变得简单,使优化目标变得简单。
  3. 求解过程中将 w \mathbf{w} w看作参数带入计算,使推导更加简单。
  4. 求似然函数时转化为对数似然函数,将难以求解的累乘转化为便于计算的累加。便于对 w \mathbf{w} w进行求导计算
  5. 令该偏导为 0, 无法获得解析式时使用梯度下降法,通过不断的迭代计算求得最佳的最小值。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值