第十三周作业（scipy)

最新推荐文章于 2023-04-19 00:00:00 发布

wp3qjn98

最新推荐文章于 2023-04-19 00:00:00 发布

阅读量323

点赞数

本文链接：https://blog.csdn.net/wp3qjn98/article/details/80534463

版权

这篇博客主要涵盖了三个练习：使用scipy库进行最小二乘法求解，优化问题的求解，以及计算配对间的距离。在最小二乘法练习中，展示了代码实现和输出；在优化练习中，针对特定函数选择x=0作为初始估计点，并观察收敛情况；最后，在配对距离练习中，同样提供了计算配对距离的代码及结果。

摘要由CSDN通过智能技术生成

Exercise 10.1: Least squares

代码

import numpy as np 
from scipy import optimize as op

m=10
n=8

A=2.5*np.random.randn(m,n)+3
b=1.5*np.random.randn(m)+4

x=op.lsq_linear(A,b)
result=np.linalg.norm(x.fun)
print(result)

输出

Exercise 10.2: Optimization

首先分析题目函数，其应该会在x=0的附近收敛，因此初始估计点为x=0

代码

import numpy as np 
from scipy import optimize as op
from scipy.spatial import distance as dist

fun=lambda x :(-1)*(np.sin(x-2))**2 * np.exp((-1)*(x**2))
X=op.fmin(fun,0)
print("the maximum of the function:")
print((-1)*fun(X[0]))

输出