1.如何对方程 A X = b AX=b AX=b求解,A=[x1,x2,x3,…xn], b=[y1,y2,y3…yn]都为列向量。
输入A,b的散点图如下:
文章图片
数学推导如下:
令 C = A T ? A 令C=A^{T}*A 令C=AT?A变 换 为 : A T ? A X = A T ? b 变换为:A^{T}*AX=A^{T}*b 变换为:AT?AX=AT?b即 : C X = A T ? b = B 即:CX=A^{T}*b=B 即:CX=AT?b=B
C 为 正 定 矩 阵 可 以 表 示 为 一 个 下 三 角 矩 阵 L 和 其 转 置 L T 的 积 : C为正定矩阵可以表示为一个下三角矩阵L和其转置L^{T}的积: C为正定矩阵可以表示为一个下三角矩阵L和其转置LT的积:
L ? L T X = B L*L^{T}X=B L?LTX=B
令 : L T X = Y 、 先 通 过 L ? Y = B 求 得 Y , 再 通 过 L T X = Y 求 得 X 令:L^{T}X=Y 、 先通过 L*Y=B求得Y,再通过 L^{T}X=Y求得X 令:LTX=Y、先通过L?Y=B求得Y,再通过LTX=Y求得X
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tfsess = tf.Session()
A = np.linspace(0, 10, 100)
b = A + np.random.normal(0, 1, 100)
x_vals_column = np.transpose(np.matrix(A))
ones_column = np.transpose(np.matrix(np.repeat(1, 100)))
A = np.column_stack((x_vals_column, ones_column))
b = np.transpose(np.matrix(b))
A_tensor = tf.constant(A)#输入矩阵A
b_tensor = tf.constant(b)#输出矩阵BtA_A = tf.matmul(tf.transpose(A_tensor), A_tensor)#求得正定矩阵C
L = tf.cholesky(tA_A)#三角矩阵L
tA_b = tf.matmul(tf.transpose(A_tensor), b)
sol1 = tf.matrix_solve(L, tA_b) #求得Y
sol2 = tf.matrix_solve(tf.transpose(L), sol1) #求得Xsolution_eval = sess.run(sol2)
slope = solution_eval[0][0]
y_intercept = solution_eval[1][0]
print('slope: ' + str(slope))
print('y'_intercept: ' + str(y_intercept))best_fit = []
for i in x_vals:
best_fit.append(slope*i+y_intercept)
plt.plot(x_vals, y_vals, 'o', label='Data')
plt.plot(x_vals, best_fit, 'r-', label='Best' fit line',
linewidth=3)
plt.legend(loc='upper left')
plt.show()
【【详细】使用正定分解矩阵拟合线性一次方程】拟合一次方程图像如下:
文章图片
推荐阅读
- 推荐系统论文进阶|CTR预估 论文精读(十一)--Deep Interest Evolution Network(DIEN)
- Python专栏|数据分析的常规流程
- Python|Win10下 Python开发环境搭建(PyCharm + Anaconda) && 环境变量配置 && 常用工具安装配置
- Python绘制小红花
- Pytorch学习|sklearn-SVM 模型保存、交叉验证与网格搜索
- OpenCV|OpenCV-Python实战(18)——深度学习简介与入门示例
- python|8. 文件系统——文件的删除、移动、复制过程以及链接文件
- 爬虫|若想拿下爬虫大单,怎能不会逆向爬虫,价值过万的逆向爬虫教程限时分享
- 分布式|《Python3网络爬虫开发实战(第二版)》内容介绍
- java|微软认真聆听了开源 .NET 开发社区的炮轰( 通过CLI 支持 Hot Reload 功能)