• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    教你如何利用python进行数值分析

    一、准备

    噪声是在拟合过程中常用的干扰手段,常用的噪声:

    1.统一分布 U(a,b)

    f ( x ) = { 1 i f a ≤ x b 0 o t h e r f(x)=\begin{cases}\begin{aligned}1\quad if\quad a\le xb \\ 0\quad other\end{aligned}\end{cases} f(x)={10​ifa≤xbother​​

    import numpy as np
    x=np.random.uniform(a,b,100) #产生长度为100的U(a,b)

    2.正态分布N( μ \mu μ, σ 2 \sigma^2 σ2)

    import numpy as np
    x=np.random.normal(mu, sig, 100) #产生长度为100的N(mu, sqart(sig))

    二、三次样条插值

    def spline_fit():
    	size = 20
        x = np.linspace(-10, 10, size)
        y = np.sin(x) + np.random.normal(0, 0.1, size)
        y2 = [0] * len(y)
        # for y_i in y:
    
        pp.plot(x, y)
        cs = CubicSpline(x, y)
        x2 = x = np.linspace(-10, 10, size * 100)
        pp.plot(x2, cs(x2))
        pp.show()
    

    三、最小二乘拟合

    def least_square():
        f = lambda p0, xx: p0[0] * np.sin(xx * p0[1]) + p0[2]
        LEN = 100
        x = np.linspace(-1, 1, LEN)
        y = x ** 2 + 5
        # 默认情况,param只会返回求得的参数和返回的错误码,1-4为成功,5-8为失败,如果想输出更多参数,可以指定full_out=1,可以看到出错原因和其他参数
        param = leastsq(lambda p0, xx, yy: f(p0, xx) - yy, (1, 1, 1), args=(x, y)) #初值的选择比较重要,如果选取不当,容易陷入局部最优
        print(param)
        pp.scatter(x, y)
        p0 = param[0]
        pp.plot(x, f(p0, x))
        pp.show()
    

    最小二乘的初值选取非常重要,以下是三份完全相同的数据,虽然最后都收敛了,但是初值不同,得到了完全不同的拟合结果
    初值为 ( 1 , 2 , 1 ) (1,2,1) (1,2,1)

    初值为 ( 1 , 1 , 1 ) (1,1,1) (1,1,1)

    初值为 ( 10 , 10 , 1 ) (10,10,1) (10,10,1)

    四、拉格朗日乘子法

    def lagrange()
    	from scipy.optimize import minimize
        import numpy as np
        e = 1e-10
        fun = lambda x: 8 * (x[0] * x[1] * x[2])  # f(x,y,z) =8 *x*y*z
        cons = ({'type': 'eq', 'fun': lambda x: x[0] ** 2 + x[1] ** 2 + x[2] ** 2 - 1},  # x^2 + y^2 + z^2=1
                {'type': 'ineq', 'fun': lambda x: x[0] - e},  # x>=e等价于 x > 0
                {'type': 'ineq', 'fun': lambda x: x[1] - e},
                {'type': 'ineq', 'fun': lambda x: x[2] - e}
                )
        x0 = np.array((1.0, 1.0, 1.0))  # 设置初始值
        res = minimize(fun, x0, method='SLSQP', constraints=cons)
        print('最大值:', res.fun)
        print('最优解:', res.x)
        print('迭代终止是否成功:', res.success)
        print('迭代终止原因:', res.message)
    

    到此这篇关于教你如何利用python进行数值分析的文章就介绍到这了,更多相关python数值分析内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

    您可能感兴趣的文章:
    • python实现各种插值法(数值分析)
    • python实现数值积分的Simpson方法实例分析
    • python 解决微分方程的操作(数值解法)
    • Python导入数值型Excel数据并生成矩阵操作
    • Python实现列表中非负数保留,负数转化为指定的数值方式
    • 使用Python matplotlib作图时,设置横纵坐标轴数值以百分比(%)显示
    • Python如何将函数值赋给变量
    上一篇:python 内置库wsgiref的使用(WSGI基础入门)
    下一篇:Pandas中时间序列的处理大全
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    教你如何利用python进行数值分析 教你,如何,利用,python,进行,