闲谈随笔 : 思绪万千

开学了,身为一名高中生,虽然我每天都能用电脑,但是我也没什么时间写博客了,之前想着说每天都写力扣的每日一题,但是后面觉得,力扣本身有题解这个功能,大家都在题目那边看,为什么还要来看我的呢,就此作罢,不过我也不知道自己该写点什么,只能写点闲谈随笔来凑点博客。
马上就要初赛了,学校军训时间和初赛时间撞了一天(虽然初赛也只有一天)
学校机房前半个屋子的灯都坏了,开不起来,只能把窗帘拉开了,但是晚上依旧是束手无策的,坐到后面去又不能登QQ,我QQ开了验证,手机也不可能带进学校
现在本来是回家的时间,但是我却在机房一直水,别人两天,我们一晚,回去还得考虑作业该怎么安排,还有要买的东西,刚刚开学,要买的东西一大堆呢

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python中最小二乘法的实现可以使用NumPy库中的polyfit函数。该函数可以拟合给定的数据点集合,返回拟合曲线的系数。使用最小二乘法进行拟合时,可以选择拟合的多项式的阶数。 以下是使用polyfit函数实现最小二乘法的示例代码: ```python import numpy as np # 定义数据点 x = np.array([1, 2, 3, 4, 5]) y = np.array([2, 3, 5, 6, 8]) # 使用最小二乘法拟合 coefficients = np.polyfit(x, y, 1) # 拟合一个一次多项式 # 输出拟合曲线的系数 k = coefficients # 斜率 b = coefficients # 截距 print("拟合曲线的系数:k =", k, "b =", b) ``` 使用polyfit函数,可以拟合出一条直线,其中k为直线的斜率,b为直线的截距。 注意:上述代码仅是一个示例,实际应用中,可以根据具体的需求进行数据点集合的定义和拟合阶数的选择。 参考资料: 本部分内容是建立在2-1代码的基础上,用Mayavi绘3D图,以简单地说明最小二乘法到底是怎么一回事。该部分知识用到了mgrid函数,具体是如何实施的请移步《Python闲谈 。 step 5:本部分代码如下:1 """part 2""" 2 ###定义一个函数,用于计算在k、b已知时∑((yi-(k*xi b))**2)### 3 def S(k,b): 4 ErrorArray=np.zeros(k.shape) #k的shape事实上同时也是b的shape 5 for x,y in zip(Xi,Yi): #zip(Xi,Yi)=[(8.19,7.01),(2.72,2.78),...,(3.78,4.05)] 6 ErrorArray =(y-(k*x b))**2 7 return ErrorArray 8 9 ###绘制ErrorArray 最低点### 10 from enthought.mayavi import mlab 11 12 #画整个Error曲面 13 k,b=np.mgrid[k0-1:k0 1:10j,b0-1:b0 1:10j] 14 Err=S(k,b) 15 face=mlab.surf(k,b,Err/500.0,warp_scale=1) 16 mlab.axes(xlabel='k',ylabel='b',zlabel='Error') 17 mlab.outline(face) 18 19 #画最低点(即k,b所在处) 20 MinErr=S(k0,b0) 21 mlab.points3d(k0,b0,MinErr/500.0,scale_factor=0.1,color=(0.5,0.5,0.5)) #scale_factor用来指定点的大小 22 mlab.show() 。 因此,最小二乘法在某种程度上无异于机器学习中基础中的基础,且具有相当重要的地位。至于上面所说的“梯度下降法”以及“利用最小二乘法求解二元二次函数的 。

“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