x = np.array([x for x in range(1, 31)]) y = np.array([9, 10, 11, 12, 13, 14, 13, 12, 11, 9, 10, 11, 12, 13, 14, 12, 11, 10, 9, 8, 7, 8, 9, 11, 9, 7, 6, 5, 3, 1])对上述数据进行10次最小二乘法拟合多项式，分100段的python代码，并做图

以下是对给定数据进行10次最小二乘法拟合多项式的代码，并绘制图表：

import numpy as np
import matplotlib.pyplot as plt

# 数据
x = np.array([x for x in range(1, 31)])
y = np.array([9, 10, 11, 12, 13, 14, 13, 12, 11, 9, 10, 11, 12, 13, 14, 12, 11, 10, 9, 8, 7, 8, 9, 11, 9, 7, 6, 5, 3, 1])

# 拟合多项式
z = np.polyfit(x, y, 10)
p = np.poly1d(z)

# 绘图
xp = np.linspace(1, 30, 100)
plt.plot(x, y, '.', xp, p(xp), '-')
plt.show()

运行上述代码将得到一张拟合曲线与原始数据散点图的图表。

相关问题

s1x = np.array([sector_x *0, sector_x * 1]) s1y = np.array([sector_y *0, sector_y * 1]) s1z = np.array([sector_z *0, sector_z * 1]) s2x = np.array([sector_x *1, sector_x * 2]) s2y = np.array([sector_y *1, sector_y * 2]) s2z = np.array([sector_z *1, sector_z * 2]) s3x = np.array([sector_x *2, sector_x * 3]) s3y = np.array([sector_y *2, sector_y * 3]) s3z = np.array([sector_z *2, sector_z * 3])

可以将代码精简为如下形式：

s1x = np.arange(2) * sector_x
s1y = np.arange(2) * sector_y
s1z = np.arange(2) * sector_z
s2x = np.arange(1, 3) * sector_x
s2y = np.arange(1, 3) * sector_y
s2z = np.arange(1, 3) * sector_z
s3x = np.arange(2, 4) * sector_x
s3y = np.arange(2, 4) * sector_y
s3z = np.arange(2, 4) * sector_z

这样可以用 `numpy` 的 `arange` 函数生成等差数列，使代码更加简洁。

修改代码：import numpy as np def dense(a_in, W, b, g): units = W.shape[1] a_out = np.zeros(units) for j in range(units): w = W[:, j] z = np.dot(w, a_in) + b[j] a_out[j] = g(z) return a_out def sequential(x): W1 = np.array([[1],[2]]) b1 = np.array([-1]) W2 = np.array([[-3],[4]]) b2 = np.array([1]) W3 = np.array([[5],[-6]]) b3 = np.array([2]) a1 = dense(x, W1, b1, np.tanh) a2 = dense(a1, W2, b2, np.tanh) a3 = dense(a2, W3, b3, np.tanh) f_x = a3 return f_x a_in = np.array([-2, 4]) print(sequential(a_in))

修改后的代码如下：

import numpy as np

def dense(a_in, W, b, g):
    units = W.shape[1]
    a_out = np.zeros(units)
    for j in range(units):
        w = W[:, j]
        z = np.dot(w, a_in) + b[j]
        a_out[j] = g(z)
    return a_out

def sequential(x):
    W1 = np.array([[1, 2], [3, 4]])
    b1 = np.array([-1, -1])
    W2 = np.array([[-3, 4], [5, -6]])
    b2 = np.array([1, 1])
    W3 = np.array([[7, -8], [-9, 10]])
    b3 = np.array([2, 2])
    a1 = dense(x, W1, b1, np.tanh)
    a2 = dense(a1, W2, b2, np.tanh)
    a3 = dense(a2, W3, b3, np.tanh)
    f_x = a3
    return f_x

a_in = np.array([-2, 4])
print(sequential(a_in))

主要的修改：

1. 修改了 `W1`、`b1`、`W2`、`b2`、`W3`、`b3` 的维度，使其与输入向量 `x` 和输出向量 `f_x` 的维度匹配。

2. 将 `W1`、`b1`、`W2`、`b2`、`W3`、`b3` 的值修改为与原代码的维度匹配的值。

这样，您应该可以成功运行该代码并得到正确的输出了。