機器學習準備 3 模擬e x的麥克勞林展開式

2022-02-26 06:41:43 字數 2325 閱讀 8302

1、用麥克勞林展開式模擬函式,比如e^x,階數越高就越接近

2、e^x=f(0)+ f′(0)x+ f″(0)x ²/ 2!+...+ fⁿ(0)x^n/n!+rn(x)=1+x+x^2/2!+x^3/3!+...+x^n/n!+rn(x)

3、畫圖的時候,求y就是算上前n項

y =consy(i,x)

#y值函式

defconsy(n,x):

y = 1

for i in range(1,n):

y += x**i/factorial(i)

return y

**或參考:使用matplotlib模擬e^x的麥克勞林展開式

使用matplotlib模擬下e^x的麥克勞林展開式,用plt畫圖

import

matplotlib.pyplot as plt

import

numpy as np

import

random

'''e^x的麥克勞林展開式:

e^x= f(0)+ f′(0)x+ f″(0)x ²/ 2!+...+ fⁿ(0)x^n/n!+rn(x)

=1+x+x^2/2!+x^3/3!+...+x^n/n!+rn(x)

'''#

階乘函式

deffactorial(n):

x = 1

for i in range(1,n+1):

x = x *i

returnx#

y值函式

defconsy(n,x):

y = 1

for i in range(1,n):

y += x**i/factorial(i)

returny#

生成影象

defmoniplot(n,x):

#定義乙個顏色集合

colors = ['

g','

b','

black

','cyan

','lightgreen

','yellow

','deeppink

','darkorchid']

plt.figure()

#原函式

y = np.e**x

#畫原函式影象並進行標記

plt.plot(x,y,'

r-',linewidth=2,label='

e^x'

)

#麥克勞林展開新增到影象上

for i in range(2,n):

y =consy(i,x)

#隨機選擇顏色

color = colors[random.randint(0,len(colors)-1)]

linestyle = '--'

#畫影象,並對最後乙個進行標記

if i ==n:

plt.plot(x,y,color=color,linewidth=1,linestyle=linestyle,label="

nearly e^x")

else

: plt.plot(x,y,color=color,linewidth=1,linestyle=linestyle)

plt.plot(x,y,color=color,linewidth=1,linestyle=linestyle)

#新增注釋

plt.text(1.2, consy(10,3.9),"

maclaurin's series of e^x

",size=12)

#將標記繪製圖例,位置為於中間左側

plt.legend(['

e^x',"

nearly e^x

"], loc = '

center left

')

plt.show()

#定義 x , y

x = np.linspace(1,4,80)

#原函式

#y = np.e**x

#maclaurin展開 3項

#y1 = consy(2,x)

#展開 4項

#y2 = consy(3,x)

#tylor 5項

#y3 = consy(4,x)

#呼叫生成影象

moniplot(10,x)

#關閉圖

plt.close()

執行**,plt展示的結果如下(展開式的項數越多,越接近原函式):

使用matplotlib模擬e x的麥克勞林展開式

使用matplotlib模擬下e x的麥克勞林展開式,用plt畫圖一開始覺得還是挺有意思的。import matplotlib.pyplot as plt import numpy as np import random e x的麥克勞林展開式 e x f 0 f 0 x f 0 x 2 f 0 x...

毫秒值轉換為日期工具 為機器學習準備資料

將資料轉化為見解並不是神奇的事情。您必須首先了解您的資料,並使用它來建立驅動操作的報告。如果您的競爭對手使用機器學習和人工智慧來自動推動行動,而您卻沒有,那您 將處於不利地位。為ml和ai準備好資料涉及將結構化和半結構化資料集組合在一起,以便將資料清理和標準化為可用於機器學習或與bi和資料視覺化工具...

關於機器學習 資料科學面試的準備

自己是科班出身,自己也學過a,b,c,d等等課程,自己也做過專案,甚至之前也有實習 全職經歷。現在面全職 跳槽了,請問你準備好了嗎?leetcode是要刷的,可別光乙個勁的刷leetcode啊,背那些o nlogn 那些的,我們這個職位不是招後端。問 這個是 結果,你來手算個recall吧。答 這個...