2021年4月15日
摘要：
https://docs.sympy.org/latest/tutorial/calculus.html 本文主要记录一些特殊的函数，比如阶乘啊，二项分布等等 首先定于变量 x, y, z = symbols('x y z') k, m, n = symbols('k m n') 一、阶乘facto 阅读全文
posted @ 2021-04-15 19:10
小小喽啰
阅读(1498)
评论(0)
推荐(0)
摘要：
首先看这两个等式 是表达式1的特例，也是成立的 定义域如下 x, y = symbols('x y', positive=True) n = symbols('n', real=True) 1.expand_log展开 其中注意事项和幂函数差不多，不赘述了 x, y = symbols('x y', 阅读全文
posted @ 2021-04-15 17:41
小小喽啰
阅读(862)
评论(0)
推荐(0)
摘要：
在介绍幂简化函数之前，需要对幂持有的恒等式进行数学讨论。 上面的表达式是否恒成立，显然后面2条是有条件的 要记住这一点很重要，因为默认情况下，如果通常不正确，SymPy将不会执行简化 但是我们有时候又需要对这些数据进行简化，那么首先得定义好定义域 x, y = symbols('x y', posi 阅读全文
posted @ 2021-04-15 17:22
小小喽啰
阅读(729)
评论(0)
推荐(0)
摘要：
上篇主要介绍了入门和一些基本的用法，由于篇幅太长，故在写一篇 就主要写了简化和展开，其余到时再补充吧 三角函数简化 acos(x) cos(acos(x)) asin(1) 1.trigsimp简化 要使用三角恒等式简化表达式，请使用trigsimp()。 trigsimp(sin(x)**2 + 阅读全文
posted @ 2021-04-15 16:43
小小喽啰
阅读(1904)
评论(0)
推荐(0)
摘要：
下一个学习对象 网址：https://docs.sympy.org/latest/tutorial/intro.html#what-is-symbolic-computation 1.导入sympy from sympy import * 我大致看了下，这个属性、类、方法太多了，就不一一铺出来了 2 阅读全文
posted @ 2021-04-15 11:10
小小喽啰
阅读(2177)
评论(0)
推荐(0)
摘要：
1.偏差 简单可以理解为真实数据和预测数据相差太大，真实的点构成的图形和拟合的图形相差很大 原来是这样的 我们使用线性模型以及多项式模型去拟合，就会发现，线性模型和预测的值和真实值相差很大，也就是偏差大，而多项式偏差小 2.方差 就是数据波动太大。 数据集是有随机性的，除了上一节使用的数据集外，我们 阅读全文
posted @ 2021-04-15 10:25
小小喽啰
阅读(458)
评论(0)
推荐(0)
浙公网安备 33010602011771号