高階程式設計技術，第十二周（已修改第一題的錯誤）

**如下：

import numpy as np

import matplotlib.pyplot as plt
x = np.arange(0, 2.0, 0.02)
y = (np.sin(x - 2)**2 ) * np.exp(-x ** 2) 
plt.plot(x, y)
plt.title("11.1")
plt.xlabel("x")
plt.ylabel("y")
plt.axis([0, 2, 0, 1])
plt.show()

注釋：這裡我們認為使用最小二乘得到的多元線性回歸模型中不含常數項，否則x應該為20*11，首項均為1的矩陣才對

**如下：

import matplotlib.pyplot as plt

import numpy as np
x = np.random.randint(-5,5,200).reshape(20,10)
b = np.random.randint(-2,2,10).reshape(10,1)
z = np.random.normal(size = (20,1))
y = np.dot(x,b)+z
estib = np.linalg.lstsq(x, y,none)[0]
t = np.arange(0,10,1)
plt.scatter(t,b,c = 'r',marker = 'x')
plt.scatter(t,estib,c = 'b')
plt.legend(['true coefficients','estimated coefficients'])
plt.xlim(0,9)
plt.ylim(-2.2,2.2)
plt.hlines(0,0,9,linestyles = 'dashed')
plt.show()

**如下：

import matplotlib.pyplot as plt

import numpy as np
from scipy import stats
z = np.random.randn(10000) 
gkde = stats.gaussian_kde(z)
ind = np.linspace(4,-4,100)
kdepf = gkde.evaluate(ind)
plt.hist(z,bins=25,normed = 1,color = 'b',edgecolor = 'k')
plt.plot(ind,kdepf,label='kde',color='r')
plt.xlabel('value')
plt.ylabel('frequency')
plt.title('11.3')
plt.show()

高階程式設計技術 第十二周作業

本週講了matplotlib，乙個用於繪製影象的庫。要求用numpy和matplotlib來完成三道練習題。在區間 0,2 上繪製函式f x sin 2 x 2 e x 2 要求加上軸標籤和標題。matplotlib的畫圖用法跟matlib基本一樣，因此只需要按照matlib的步驟來繪製影象即可。由...

高階程式設計技術，第一周

1.瀏覽python首頁的收穫 2.成為python程式設計高手以後，你打算實現什麼程式 python的一大應用就是能夠方便地編寫爬蟲程式，而在這個資訊 的時代能夠方便地獲取想要的資訊是人們所需要的，所以假如我成為了python程式設計高手，我想實現乙個能整合自己所有關注的自 更新內容的程式，隱藏在...

高階程式設計技術 第十三周作業

本週需要學習如何使用scipy。scipy中包含了許多跟numpy一樣的函式，因此使用起來會有許多相似之處。exercise 10.1 least squares 生成乙個m行n列的矩陣，並要求m n。同時生成乙個m維向量。求解x arg minx ax b 2.該題可以使用lstsq來求解，sci...