二小姐对多项式以及多项式环的小小总结

多项式环

1、多项式环R[X]的本质就是多项式的系数限制在一个给定的环R中,进行的相应的加法和乘法运算;

     多项式的阶在运算时存在着相应的规律:deg(f)+deg(g)<=deg(f*g);max(deg(f),deg(g))>=deg(f+g)

                                                                 重要的是,当环为整环时,deg(f*g)=deg(f)+deg(g)

2、R与R[X]之间存在着一些互推的关系:包括交换环、单位元环和整环;

3、最最重要的是,F[X]是一个主理想环;

               插一句,主理想和循环子群原理并不一样;一个是加法的{na+ra},一个是乘法的幂次

4、若干个多项式相关的:最大公因数  最小公倍数 的定义

从而得到互素、倍数等概念;(欧几里得算法)

5、不可约多项式的定义十分重要,类似于整数环的素数,从而有了唯一的因式分解的确定;

不可约多项式f的除环F[X]/(f)(与R/(p)类似)是一个域;

不可约多项式f(x)与f(x)=0的没有根的关系:当deg(f)=2或3时,两者是充要的;

                                                                     当阶数高时,充分不必要;

6、拉格朗日插值法:给定n+1组a与f(a)的值确定f(x)

7、当然f(x)也可以是多元的ÿ

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在机器学习中,特征衍生(feature engineering)是一种常用的技术,它可以通过将始特征进行组合、变换等方式,从而产生新的特征,帮助模型更好地学习数据的特征。 多项式就是一种常见的特征衍生方式之一,它可以通过对原始特征进行平方、交叉等变换,从而得到新的特征。 在 Python 中,我们可以使用 scikit-learn 库中的 PolynomialFeatures 类来实现多项式特征衍生。具体步骤如下: 1. 导入 PolynomialFeatures 类: ```python from sklearn.preprocessing import PolynomialFeatures ``` 2. 创建 PolynomialFeatures 对象,并设置 degree 参数为 2(表示多项式): ```python poly = PolynomialFeatures(degree=2) ``` 3. 使用 fit_transform 方法对原始特征进行多项式转换: ```python X_poly = poly.fit_transform(X) ``` 其中,X 表示原始特征矩阵,X_poly 表示转换后的特征矩阵。 完整代码示例: ```python from sklearn.preprocessing import PolynomialFeatures import numpy as np # 构造原始特征矩阵 X = np.array([[1, 2], [3, 4], [5, 6]]) # 创建 PolynomialFeatures 对象,设置 degree 参数为 2 poly = PolynomialFeatures(degree=2) # 对原始特征进行多项式转换 X_poly = poly.fit_transform(X) print(X) print(X_poly) ``` 输出结果: ``` [[1 2] [3 4] [5 6]] [[ 1. 1. 2. 1. 2. 4.] [ 1. 3. 4. 9. 12. 16.] [ 1. 5. 6. 25. 30. 36.]] ``` 其中,第一列为常数项,第列和第三列为原始特征,第四列为第一列特征的平方,第五列为第一列特征与第列特征的乘积,第六列为第列特征的平方,这就是多项式特征衍生后的新特征。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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