第9章 数学工具
9.1 逼近法
在给定区间内通过回归和差值求取该函数的近似值。 首先,我们生成该函数的图形, 更好地观察逼近法所实现的结果。我们感兴趣的区间是[-2π,2π]。下图显示了该函数在通过linspace函数定义的固定区间上的图像。np.linspace(start, stop,num)返回从 star 开始 , stop 结束的 num 个点, 两个连续点之间的子区间均匀分布:
import numpy as np
import matplotlib.pyplot as plt
def f(x):
return np.sin(x) + 0.5 * x
x = np.linspace(-2 * np.pi, 2 * np.pi, 50)
plt.plot(x,f(x),'b')
plt.grid(True)
plt.xlabel('x')
plt.ylabel('f(x)')
9.1.1 回归
回归是相当高敬的函数近似值计算工具。 它不仅合求取一维函数的近似值, 在更高维度上也很有效。 得出回归结果所需要的数值化方法很容易实现. 执行也很快速。 本质上, 回归的任务是在给定一组所谓 “基函数” bd,d∈{1,…,D} 的情况下,根据下面的公式找出最优参数 a∗1...a∗D a 1 ∗ . . . a D ∗ ,其中对于i∈{1,…I}观察点,yi ≡ f(xi)。xi 可以视为自变量观测值,yi 可以视为因变量观测值。
最小化回归问题公式:
mina1,...aD1I∑i=1I(yi−∑d=1Dad⋅bd(xi))2 min a 1 , . . . a D 1 I ∑ i = 1 I ( y i − ∑ d = 1 D a d · b d ( x i ) ) 2
1. 作为基函数的单项式
最简单的情况是以单项式作为基函数——也就是说 b1=1,b2=x,b3=x2,b4=x3... b 1 = 1 , b 2 =