Đây là một Chương trình Python để tính toán một phương trình đa thức với điều kiện là các hệ số của đa thức được lưu trữ trong danh sách Show Mô tả vấn đề Chương trình lấy các hệ số của phương trình đa thức và giá trị của x rồi đưa ra giá trị của đa thức Giải pháp vấn đề 1. Nhập mô-đun toán học. Chương trình/Mã nguồn Đây là mã nguồn của Chương trình Python để tính toán một phương trình đa thức với điều kiện là các hệ số của đa thức được lưu trữ trong một danh sách. Đầu ra chương trình cũng được hiển thị bên dưới Để tích hợp một đa thức, hãy sử dụng đa thức. phương thức polyint() trong Python. Trả về các hệ số đa thức c được tích hợp m lần từ lbnd dọc theo trục. Tại mỗi lần lặp, chuỗi kết quả được nhân với scl và hằng số tích phân, k, được thêm vào. Hệ số tỷ lệ được sử dụng trong sự thay đổi tuyến tính của biến. Đối số c là một mảng các hệ số, từ thấp đến cao dọc theo mỗi trục, e. g. , [1,2,3] đại diện cho đa thức 1 + 2*x + 3*x**2 trong khi [[1,2],[1,2]] đại diện cho 1 + 1*x + 2*y + 2* Phương thức trả về mảng hệ số của tích phân. Tham số thứ nhất, c là mảng 1-D gồm các hệ số đa thức, được sắp xếp từ thấp đến cao. Tham số thứ 2, m là Thứ tự tích phân, phải dương. (Mặc định. 1). Tham số thứ 3, k là (các) hằng số tích hợp. Giá trị của tích phân thứ nhất tại 0 là giá trị đầu tiên trong danh sách, giá trị của tích phân thứ hai tại 0 là giá trị thứ hai, v.v. Nếu k == [] (mặc định), tất cả các hằng số được đặt thành 0. Nếu m == 1, có thể đưa ra một đại lượng vô hướng thay vì một danh sách. Tham số thứ 4, lbnd là cận dưới của tích phân. (Mặc định. 0). Tham số thứ 5 là scl. Sau mỗi lần tích hợp, kết quả được nhân với scl trước khi hằng số tích hợp được thêm vào. (Mặc định. 1). Tham số thứ 6 là trục. Đó là trục mà tích phân được thực hiện. (Mặc định. 0) bướcLúc đầu, hãy nhập các thư viện cần thiết - import numpy as np from numpy.polynomial import polynomial as P Tạo một mảng các hệ số đa thức - c = np.array([1,2,3]) Hiển thị mảng hệ số - print("Our coefficient Array... Kiểm tra kích thước - print(" Lấy kiểu dữ liệu - print(" Nhận hình dạng - print(" Để tích hợp một đa thức, hãy sử dụng đa thức. phương thức polyint() trong Python − print(" Thí dụimport numpy as np from numpy.polynomial import polynomial as P # Create an array of polynomial coefficients c = np.array([1,2,3]) # Display the coefficient array print("Our coefficient Array... đầu ra________số 8Cập nhật ngày 28-Feb-2022 10. 39. 01 Nếu các điểm dữ liệu của bạn rõ ràng sẽ không phù hợp với hồi quy tuyến tính (một đường thẳng đi qua tất cả các điểm dữ liệu), thì đó có thể là lý tưởng cho hồi quy đa thức Hồi quy đa thức, giống như hồi quy tuyến tính, sử dụng mối quan hệ giữa các biến x và y để tìm ra cách tốt nhất để vẽ một đường thẳng qua các điểm dữ liệu Làm thế nào nó hoạt động?Python có các phương thức để tìm mối quan hệ giữa các điểm dữ liệu và để vẽ một đường hồi quy đa thức. Chúng tôi sẽ chỉ cho bạn cách sử dụng các phương pháp này thay vì sử dụng công thức toán học Trong ví dụ bên dưới, chúng tôi đã đăng ký 18 ô tô khi chúng đi qua một trạm thu phí nhất định Chúng tôi đã đăng ký tốc độ của ô tô và thời gian trong ngày (giờ) xảy ra việc vượt qua Trục x biểu thị số giờ trong ngày và trục y biểu thị tốc độ Thí dụBắt đầu bằng cách vẽ một biểu đồ phân tán nhập matplotlib. pyplot dưới dạng plt x = [1,2,3,5,6,7,8,9,10,12,13,14,15,16,18,19,21,22]y = [100,90,80,60,60,55,60,65,70,70,75,76,78,79,90,99,99,100] plt. phân tán(x, y) Kết quảChạy ví dụ »Thí dụNhập c = np.array([1,2,3])0 sau đó vẽ đường hồi quy đa thức nhập numpy x = [1,2,3,5,6,7,8,9,10,12,13,14,15,16,18,19,21,22]y = [100,90,80,60,60,55,60,65,70,70,75,76,78,79,90,99,99,100] mymodel = numpy. poly1d(numpy. polyfit(x, y, 3)) myline = numpy. không gian trống (1, 22, 100) plt. phân tán(x, y) Kết quảChạy ví dụ »Ví dụ giải thíchNhập các mô-đun bạn cần Bạn có thể tìm hiểu về mô-đun NumPy trong Hướng dẫn NumPy của chúng tôi Bạn có thể tìm hiểu về mô-đun SciPy trong Hướng dẫn SciPy của chúng tôi c = np.array([1,2,3])1 Tạo các mảng đại diện cho các giá trị của trục x và y c = np.array([1,2,3])2 NumPy có một phương thức cho phép chúng ta tạo một mô hình đa thức c = np.array([1,2,3])3 Sau đó chỉ định cách dòng sẽ hiển thị, chúng tôi bắt đầu ở vị trí 1 và kết thúc ở vị trí 22 c = np.array([1,2,3])4 Vẽ biểu đồ phân tán ban đầu Vẽ đường hồi quy của đa thức c = np.array([1,2,3])5 Hiển thị sơ đồ R-bình phươngĐiều quan trọng là phải biết mối quan hệ giữa các giá trị của trục x và y tốt như thế nào, nếu không có mối quan hệ nào thì hồi quy đa thức không thể được sử dụng để dự đoán bất cứ điều gì Mối quan hệ được đo bằng một giá trị gọi là r-squared Giá trị r bình phương nằm trong khoảng từ 0 đến 1, trong đó 0 có nghĩa là không có mối quan hệ nào và 1 có nghĩa là 100% có liên quan Python và mô-đun Sklearn sẽ tính toán giá trị này cho bạn, tất cả những gì bạn phải làm là cung cấp cho nó các mảng x và y Thí dụDữ liệu của tôi phù hợp như thế nào trong hồi quy đa thức? nhập numpy x = [1,2,3,5,6,7,8,9,10,12,13,14,15,16,18,19,21,22]y = [100,90,80,60,60,55,60,65,70,70,75,76,78,79,90,99,99,100] mymodel = numpy. poly1d(numpy. polyfit(x, y, 3)) in(r2_score(y, mymodel(x))) Hãy thử nếu chính bạn »Ghi chú. kết quả 0. 94 cho thấy có một mối quan hệ rất tốt và chúng ta có thể sử dụng hồi quy đa thức trong các dự đoán trong tương lai Dự đoán giá trị tương laiBây giờ chúng ta có thể sử dụng thông tin chúng ta đã thu thập để dự đoán các giá trị trong tương lai Thí dụ. Chúng ta hãy thử dự đoán tốc độ của một chiếc ô tô đi qua trạm thu phí vào khoảng thời gian 17. 00 Để làm như vậy, chúng ta cần cùng một mảng c = np.array([1,2,3])6 từ ví dụ trên c = np.array([1,2,3])3 Thí dụDự đoán vận tốc ô tô đi qua lúc 17. 00 nhập numpy x = [1,2,3,5,6,7,8,9,10,12,13,14,15,16,18,19,21,22]y = [100,90,80,60,60,55,60,65,70,70,75,76,78,79,90,99,99,100] mymodel = numpy. poly1d(numpy. polyfit(x, y, 3)) tốc độ = mymodel(17) Ví dụ dự đoán tốc độ là 88. 87, mà chúng ta cũng có thể đọc được từ sơ đồ Phù hợp xấu?Hãy để chúng tôi tạo một ví dụ trong đó hồi quy đa thức sẽ không phải là phương pháp tốt nhất để dự đoán các giá trị trong tương lai Thí dụCác giá trị này cho trục x và y sẽ dẫn đến sự phù hợp rất kém đối với hồi quy đa thức nhập numpy mymodel = numpy. poly1d(numpy. polyfit(x, y, 3)) myline = numpy. không gian trống (2, 95, 100) plt. phân tán(x, y) Kết quảChạy ví dụ »Và giá trị bình phương r? Thí dụBạn sẽ nhận được giá trị r bình phương rất thấp nhập numpy mymodel = numpy. poly1d(numpy. polyfit(x, y, 3)) in(r2_score(y, mymodel(x))) Hãy thử nếu chính bạn »Kết quả. 0. 00995 cho biết mối quan hệ rất xấu và cho chúng tôi biết rằng tập dữ liệu này không phù hợp với hồi quy đa thức |