NumPy实验（1）

 

 

 

 

 

NumPy实验（2）

 

NumPy实验（3）

---

---

SciPy实验（1）

1. 请结合最小二乘法的原理，利用以前学的Numpy和Python知识，实现最小乘法直线拟合的算法，并测试。 

   

    

   

    

   

    

   

---

1. 请结合梯度下降的原理，利用以前学的Numpy和Python知识，实现梯度下降法求函数最小值的算法，并测试。

• 梯度下降法： 

  

   

  

• 共轭梯度法： 

  

   

  

SciPy实验（2）

2.请用数值积分，实现y=sqrt(x)在0-1之间的积分值，写出代码和结果。 

3.请结合scipy的矩阵svd分解，验证svd分解对图像压缩的实现效果。 

SciPy实验（3）

1. 请生成y=sin(2*pi*t)+sin(4*pi*t)的时间信号，时间间隔10ms一个数据点，然后给这个信号注入0.1倍的标准正态分布噪声数据，然后设计滤波器将噪声滤除掉。列出代码和对比图。 

   

    

   

---

---

2.请生成y=sin(2pit)+sin(5pit)+sin(10pit)的时间信号，然后注入0.1倍的标准正态分布噪声数据，然后分别画出时间域的信号图，以及加入噪声前以及加入噪声后的FFT傅里叶变换后的频谱图。 

 

Matplotlib实验（1）

1. 请加载sklearn的莺尾花数据，然后写代码画三种花瓣长和宽的散点分布图，绘制效果如下图所示。

---

---

1. 在数据结构中我们经常用到算法时间复杂度的概念，其中常用的几个算法时间复杂度如下所示：

O(1)<O(log2(n))<O(n)<O(nlog2(n))<O(n2)<O(n3)O(1)<O(log2(n))<O(n)<O(nlog2(n))<O(n^2)<O(n^3)O(1)<O(log2(n))<O(n)<O(nlog2(n))<O(n2)<O(n3)

现在有如下几个算法时间复杂度的函数，请绘制图像：n从1到1000

F(n)=500log2(n)F(n)=500log2(n)F(n)=500log2(n)

F(n)=100nF(n)=100nF(n)=100n

F(n)=10nlog2(n)F(n)=10nlog2(n)F(n)=10nlog2(n)

F(n)=n2/2F(n)=n^2/2F(n)=n2/2

F(n)=n3/10F(n)=n^3/10F(n)=n3/10

1. 绘制折线图，将这些图绘制在一张图里面，注意要标注好每个线代表哪个复杂度函数，如果n不合适，可以继续增加或者减少，最好是能够体现时间复杂度的变化趋势来。 

   

    

   

---

---

1. 请绘制2张子图，第一张图上绘制xnx^nxn,n从1到10，x范围为0-1，第二张图上绘制xax^axa，a从1.0到0.1，x的范围还是0-1. 

   

Matplotlib实验（2）

1. 请加载sklearn的莺尾花数据，然后画柱状图、饼图和直方图

In [ ]

import numpy as np
import matplo