1.
题目:
import matplotlib . pyplot as plt
import numpy as np
f,ax=plt.subplots(1,1,figsize=(5,4))
x=np.linspace(0,2)
y=np.power(np.sin(x-2),2)*np.exp(-1*np.power(x,2))
ax.plot(x, y)
ax.set_xlim((0, 2))
ax.set_ylim((0, 1))
ax.set_xlabel("my x label")
ax.set_ylabel("my y label")
ax.set_title("plot title, including $\Omega$")
plt.show()
2.
题目需要我们构建一个20*10的随机矩阵A以及一个10*1的随机向量b,还有一个成正态分布的20*1的向量z,构成y=Xb+z,问题需要我们在知道y的情况下通过最小二乘法得到b的近似值并绘图
最小二乘法的定义如下:
代码如下:
import matplotlib . pyplot as plt
import numpy as np
X=np.random.rand(20,10)#生成随机矩阵
b=np.random.rand(10,1)#生成随机向量
z=np.random.randn(20,1)#生成正态分布向量
y=np.dot(X,b)+z
C=np.linalg.inv(np.dot(X.T,X))
C=np.dot(C,X.T)
b_=np.dot(C,y)#使用最小二乘法求近似值
plt.title('question 2')
plt.xlabel('index')
plt.ylabel('value')
x = np.arange(0,10)
plt.plot(x, b, 'rx', label='$true b$')#绘制准确点
plt.plot(x, b_, 'bo', label='$estimated b$')#绘制近似点
plt.legend()
plt.show ()
图像如下:
3.
高斯核函数的具体定义参考:https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.gaussian_kde.html
代码:
import numpy as np
import matplotlib.pyplot as plt
import scipy.stats
z = np.random.randn(10000) #生成正态分布
plt.hist(z, bins=25, density=True, color='b')
kernel = scipy.stats.gaussian_kde(z)
x = np.linspace(-5, 5, 10000)
plt.plot(x, kernel(x), 'r')
plt.show()