上次作业写过一个最小二乘,直接拿来用就好了,用的是leastsq , 然后还要算残差的范数:
import numpy as np
from scipy.optimize import leastsq
A = np.random.normal(30,20,size=(20,10))
b = np.random.normal(4,40,size=(20,1))
x = np.random.normal(2,20,size=(10,1))
def func(x):
x = x.reshape(10,1)
ret = A@x-b
n = ret.shape[0]
return ret.T.reshape(n)
ans = leastsq(func,x)[0]
print(ans)
r = A@ans.T - b
r_norm = np.linalg.norm(r,2)
print(r_norm)
瞎生成的矩阵,最后算出来的残差大到难以接受。
没有求最大值的函数,所以就用minimize求 -f(x) 的最小值就好了:
import numpy as np
from scipy.optimize import minimize
def func(x):
return np.sin(x-2)**2*np.exp((-1)*x**2)*(-1)
ans = minimize(func,0)
print(-ans.fun)
用scipy.spatial.distance.pdist 就是用来算这个的,输入X矩阵,返回的Y向量中的结果顺序是,先算第一行到2,3,4...n行的距离,然后算第2行到第3,4,...n行的距离,此处距离指欧几里得距离:
import numpy as np
from scipy.spatial.distance import pdist
X = np.array([[1,1,1],[2,2,2],[-1,-1,-1]])
Y = pdist(X,'euclidean')
print(X)
print(Y)
结果大概是这样,第一个是根号3,第二个是2根号3,第三个是3根号3。