以下是SymPy中表达以下内容的最合适方法:
对于从具体的0到符号N的'i',对样本'x[i]'求和。 'x [i]'本身应为符号,即始终显示为变量。
目标是在一组线性方程中使用这些表达式。
示例(微不足道的最小二乘近似):
给定一组样本(x [i],y [i]),它们应该位于由'y = m * x + a'给出的一条直线上。也就是说,估计的直线由'm'和'a'确定。样本与估计线之间的误差可以表示为
对于从具体的0到符号N的'i',对样本'x[i]'求和。 'x [i]'本身应为符号,即始终显示为变量。
目标是在一组线性方程中使用这些表达式。
示例(微不足道的最小二乘近似):
给定一组样本(x [i],y [i]),它们应该位于由'y = m * x + a'给出的一条直线上。也就是说,估计的直线由'm'和'a'确定。样本与估计线之间的误差可以表示为
error(m, a) = sum((m * x[i] + a - y[i]) ** 2, start_i=0, end_i=N)
现在,搜索导数“d/dm error(m,a)”和“d/da error(m,a)”中的零过渡可以得到最小距离。我如何使用sympy找到解决方案?
x[i]
和N
应该是抽象的。那么您的情况与解决一个完全抽象的线性方程组有什么不同呢?为什么需要使用SymPy,您期望它能为您做什么?2)如果我理解错了,请问为什么标准Python中的sum
或者sympy.Sum
并不能满足您的需求?希望您能给出一些输入的示例,你想要用它来实现什么,以及您期望得到什么样的结果。 - Wrzlprmft