人工智能数学基础

• 集合的关系

（1）子集：P中每个元素都在集合Q中出现则称P为Q的自己

（2）相等集合：若两个集合P和Q互为自己则两个集合相等

（3）全集：就某个讨论范围而言,集合M是讨论范围内所有元素构成的集合则称M为全集

（4）空集：不包括任何元素的集合称为空集

（5）幂集：对有限元素构成的集合P,由该集合的所有自己的集合称为该集合P的幂集

如何在程序中实现

（1）交集：A&B和A.intersection（B）

（2）并集：A|B和A.union(B)

（3）补（差）集：A-B和A.difference(B)

（4）对称差集（结合两个集合中不同的元素）：A^B和A.symmetric_difference(B)

二、极限lim如何调用 公式 参数 极限趋向方向 泰勒展开

import sympy
From sympy import*
x=Symbol(‘x’)
f=sin(x)/x
lim(f,x,0)中f为表达式，后两位为x趋向于0
lim(f,x,oo)后两位为x趋向于无穷
plot（f,(x,-100,100)）（使用plot绘制函数）

import sympy
from sympy import*
x,y=symbols('x y')
F=log(sqrt(x*x+y*y))-atan(y/x)
dydx=idiff(F,y,x)
#idiff隐函数求导
print(dydx)

import sympy
from sympy import*
n=Symbol('n',integer=True)
#inerger判断一个浮点数是否是整数
expr=1/(n*n)
S=Sum(expr,(n,1,oo))
#Sum求级数和
S.doit()
#doit执行并计算表达式

import sympy
from sympy import*
x=Symbol('x')
f=(1+x)**(1/5)
print(series(f,x,1,4))

三、求解导函数方程程序

from scipy import optimize
import numpy as np
#np是科学计算库
import pylab as pl
import matplotlib.pyplot as plt
#pl和plt为绘制函数与导函数图
def f(x):
    return x**4-6*x**3+9*x-2
#返回原函数式
def dfdx(x):
    return 4*x**3-18*x**2+9
#返回导函数式
n=np.linspace(-2,2,num=100)
#linspace产生数组（起始值，终止值，元素个数）
#在x为[-2,2]中取一百个x点
plt.plot(n,f(n),label=u"f(x)")
plt.plot(n,dfdx(n),label=u"dfdx",linestyle='-.')
#plot作图（x,y,label显示窗口图像,linestyle作图画线）
plt.axvline((),color='gray',linestyle='--',alpha=0.8)
plt.axhline((),color='gray',linestyle='--',alpha=0.8)
#axvline绘制整个子图的垂直线
#axhline绘制整个子图的水平线
#alpha为图像透明度
pl.legend()
#legend设计个性化图例
pl.show()
#显示图例
root=optimize.fsolve(dfdx,[-0.6,0.6])
#optimize为优化库
#fsolve求解导函数方程
print('导数为0的x值为',root[0],root[1])

四、二阶导程序

import scipy import optimize
import numpy as np
import pylab as pl
import matplotlib.pyplot as plt
def f(x)
    return x**4-6*x**3+9*x-2
def df2dx2(x):
    return 12*x**2-36*x
n=np.linspace(-2,2,num=100)
plt.plot(n,f(n),u'f(n)')
plt.plot(n,df2dx2,i"df2dx2",linespace='-.')
plt.axvline((),color='gray',linestyle='--',alpha=0.8)
plt.axhline((),color='gray',linestyle='--',alpha=0.8)
pl.legend()
pl.show()
root=optimize.fsolve(df2dx2,0.1)
print('导数为0的x值为',root[0])

五、积分的调用（不定积分和定积分公式相同）

import sympy
from sympy import*
x=symbol('x')
fx=E**x*cos(x)
Fx=integrate(fx,(x,12))
print(Fx)
#输出精确解（算式）
print(N(Fx))
#输出数值解（解开算式的数值）

六、例题

import sympy
from sympy import*
x=Symbol('x')
f=[tan(x)-sin(x)]/x**3
result=lim(f,x,0)
plot(f,(x,-100,100))

from scipy import optimize
import numpy as np
import pylab as pl
import matplotlib.pyplot as plt
def f(x):
    return (x**2-x+4)/(x-1)
def dfdx(x):
    return x**2-2*x-2
n=np.linspace(-50,50,num=100)
plt.plolt(n,f(n),label=u"f(x)")
plt.plot(n,dfdx(n),label=u"dfdx",linestyle='-.')
plt.axvline((),color='gray',linestyle='--',alpha=0.8)
plt.axhline((),color='gray',linestyle='--',alpha=0.8)
pl.legend()
pl.show()
root=optimize.fsolve(dfdx,[2,3])
print('导数为0的x值为',root[0])

import scipy import optimize
import numpy as np
import pylab as pl
import matplotlib.pyplot as plt
def f(x)
    return x**4+2*x**3+4*x-5
def df2dx2(x):
    return 12*x**2+12*x-6
n=np.linspace(-50,50,num=100)
plt.plot(n,f(n),u'f(n)')
plt.plot(n,df2dx2,i"df2dx2",linespace='-.')
plt.axvline((),color='gray',linestyle='--',alpha=0.8)
plt.axhline((),color='gray',linestyle='--',alpha=0.8)
pl.legend()
pl.show()
root=optimize.fsolve(df2dx2,[-1.4,0.4])
print('导数为0的x值为',root[0],root[1])

import sympy
from sympy import*
x=Symbol('x')
f=E**(-1*x**(x**2-1))
print(series(f,x,1,5)

七、矩阵特征值特征向量（np.linalg.eig()）

 

import numpy as np
A=np.array([[2,0],[-1,4]])
print(A)
a,b=np.linalg.eig(A)
#linalg.eig求特征值（存于a）和特征向量（存于b）
print(a)
print(b)

八、硬币模拟程序

import numpy as np
import matplotlib.pyplot as plt
import random
batch=50
samples=500*np.ones(batch,dtype=np.int32)
result=[]
result_mean=[]
#五十次实验每次抛五百下
for_in range(batch):
    for i in range(samples[_])
        result.append(random.randint(0,1))
    result_mean.append(np.mean(result))
xaxis=list(range(batch))
plt.plot(xaxis,result_mean)
plt.xlabel('抛硬币数')
plt.ylabel('正面朝上概率')
plt.show()

九、常见概率分布 参数 调用规则