数据挖掘第一次实验

最新推荐文章于 2024-09-28 22:49:03 发布

qq_55356921

最新推荐文章于 2024-09-28 22:49:03 发布

阅读量35

点赞数

文章标签：数据挖掘

本文链接：https://blog.csdn.net/qq_55356921/article/details/129902867

版权

该代码示例展示了如何利用Python的numpy库进行蒙塔卡罗模拟，通过生成随机点并计算落在特定区域内的点的数量来估算函数图形在给定矩形区域内的面积，进而求解积分问题。最后，代码还绘制了随机点分布以及目标函数的图形。

摘要由CSDN通过智能技术生成

蒙塔卡罗算法


#蒙塔卡罗算法

import numpy as np
import random
import matplotlib.pyplot as plt

class MC:
    def __init__(self):
        #计数

        self.n=0

        # 投点次数

        self.N = 10000

        # 矩形区域边界

        self.x_min, self.x_max = 0.0, 1.0

        self.y_min, self.y_max = 0.0, 1.0

        #随机点

        self.x = np.random.uniform(0,1,10000)  # 均匀分布

        self.y = np.random.uniform(0,1,10000)


    def mc(self):
        '''for i in range(self.N):
            x=self.x
            y=self.y
            if y<=x**3:
                self.n+=1
            else:
                self.n=self.n
        print(self.n)
        print(self.N)
        print(self.n/self.N)'''
        res = sum(np.where(self.y < self.x**3, 1, 0))
        print(res/self.N)

    def draw_MC(self):
        def f(x):

            return x ** 3
        # 画图

        fig = plt.figure()

        axes = fig.add_subplot(111)

        axes.plot(self.x,self.y, 'ro', markersize=1)

        plt.axis('equal')  # 防止图像变形

        axes.plot(np.linspace(self.x_min, self.x_max, 10) , f(np.linspace(self.x_min, self.x_max, 10)), 'b-')  # 函数图像

        #plt.xlim(x_min, x_max)

        plt.show()


if __name__=='__main__':
    mm = MC()
    mm.mc()
    mm.draw_MC()