Kuadrat Terkecil NumPy

Salah satu metode Python lstsq() digunakan untuk menemukan garis regresi dari persamaan linier yang diketahui ax=b yang paling cocok dengan persamaan ini. Ini berarti Anda harus menentukan garis yang dengan benar menunjukkan hubungan antara titik x dan y jika data Anda menunjukkan bahwa ada satu. Garis antara kedua titik dikenal sebagai garis regresi ketika digunakan untuk mencari kuadrat terkecil melalui persamaan ini, ax=b.

Sintaksis:

Mari kita mulai mempelajari gaya implementasi fungsi linalg.lstsq(). Pertama, kita tulis nama library yang kita gunakan dengan Python yaitu “numpy”. Kemudian, kita menggabungkan fungsi linalg() dan menggabungkan fungsi lstsq(). Fungsi linalg() berarti aljabar linier. Itu selalu digunakan dengan fungsi lstsq() karena merupakan ekspresi aljabar linier. Setelah ini, kami meneruskan argumen dalam tanda kurung fungsi.

Parameter:

Mari kita pahami parameter fungsi linalg.lstsq():

poin1: Ini adalah matriks koefisien.

poin2: Matriks atau larik ini berisi variabel terikat.

putaran: Tipe datanya adalah float. Rasio rcond berfungsi sebagai cut-off untuk nilai singular point_1 yang lebih kecil. Jika nilai singular kurang dari rcond dikalikan elemen singular terbesar dari titik_1, itu dianggap nol saat menentukan peringkat.

Nilai Kembali:

Sebagai gantinya, kita mendapatkan kuadrat terkecil dari variabel x yang diketahui dalam persamaan ax=b.

Contoh 1:

Mari kita mulai menerapkan contoh pertama metode kuadrat terkecil dari pustaka Python, NumPy. Pertama, kita membutuhkan compiler Python agar kita bisa mengkodekannya. Buka kompiler. Anda juga perlu menginstal library NumPy karena kami menggunakan salah satu fungsi NumPy yaitu fungsi lstsq(). Kemudian, Anda harus mengimpor paket NumPy di ​​dalamnya. Pertama, tulis kata kunci “import” yang memberitahu compiler bahwa kita akan mengimpor paket. Kemudian, kita harus menulis nama paket yang kita gunakan dalam fungsi yaitu “numpy”. Dan kemudian, kami juga menulis nama alternatif 'np' NumPy karena banyak programmer menggunakan pendekatan ini. Ini adalah pendekatan pemrograman yang baik, dan menghemat waktu.

Setelah mengimpor paket, kami mulai menulis baris kode aktual yang ingin kami lakukan. Kami mencetak pesan terlebih dahulu sehingga pengguna dapat dengan mudah memahami apa yang kami lakukan dalam contoh menggunakan pernyataan print(). Kami membuat array satu dimensi “A” menggunakan fungsi array() dan kemudian mencetaknya dengan memanggil pernyataan print(). Kemudian, kita membuat array satu dimensi lain “B” menggunakan fungsi array() dan mencetaknya menggunakan fungsi print().

Setelah pembuatan kedua titik A dan B, kami mengimplementasikan fungsi lstsq(). Tapi pertama-tama, kami menggunakan fungsi vstack() untuk menumpuk elemen 'A', berdasarkan urutan. Kemudian, kami mengambil transpos array 'A'. Kemudian, kita melewatkan fungsi vstack() sebagai argumen pertama dari fungsi lstsq(). Argumen kedua adalah array “B” dan argumen ketiga adalah “rcond” di mana kita menetapkan nilai rcond sebagai “none”. Kemudian, kami menyimpan seluruh fungsi dalam array lain bernama “x” yang menunjukkan bahwa itu adalah persamaan linier variabel yang diketahui, ax=b. Setelah ini, kami menampilkan hasilnya sehingga kami menggunakan pernyataan print() untuk ini dan meneruskan array 'x' di dalamnya.

Contoh 2:

Sekarang, mari kita mulai menerapkan contoh kuadrat terkecil NumPy lainnya. Kami selalu mengimpor perpustakaan terlebih dahulu yang kami gunakan dalam program yaitu NumPy. Pertama, kita menulis kata kunci “import” untuk mendapatkan paket dalam program. Kami juga menulis nama paket yang 'numpy' dan kemudian aliasnya, 'np'. Kemudian, kami memanggil metode print() sehingga kami dapat menampilkan pesan kuadrat terkecil yang dapat diputar ulang untuk pemahaman pengguna yang lebih baik.

Kemudian, kita buat nama array “x_axis” dan simpan array di dalamnya menggunakan fungsi arange(). Kemudian, kami mencetaknya menggunakan metode print(). Kemudian, kita buat lagi nama array “y_axis” dan simpan array di dalamnya yang kita buat dalam ilustrasi berikut.

Setelah membuat kedua array, kita mengimplementasikan metode one() pada array x_axis dan menyimpannya di array lain bernama “array_a”. Dan kemudian, kami juga mencetak array ini. Kami membuat array lain bernama 'arg_reg_line' dan mengimplementasikan fungsi linalg.lstsq() di atasnya. Kemudian, kami meneruskan parameter ke fungsi ini sehingga kami bisa mendapatkan kuadrat terkecil di antara dua array atau titik. Parameter pertama adalah kita mengambil transpose dari array_a. Parameter kedua adalah titik kedua yang merupakan sumbu y_. Kemudian, kami memiliki 'rcond' yang berisi nilai 'none'. Kami kemudian menampilkan array menggunakan metode print().

Berikut adalah output dari contoh yang diterapkan sebelumnya:

Kami mengimpor paket NumPy lain yang merupakan paket 'matplotlib' yang digunakan untuk memplot grafik. Kemudian, kami memplot nilai sumbu x dan nilai sumbu y. Selanjutnya, kita mengatur judul dan label grafik. Terakhir, kami menampilkan grafik menggunakan metode show().

Berikut adalah grafik yang diinginkan dari contoh yang diberikan:

Kesimpulan

Dalam artikel ini, kita mempelajari apa yang merupakan kuadrat terkecil dan bagaimana kita mendapatkan linalg.lstsq() dari variabel x yang tidak diketahui menggunakan persamaan linier ax=b. Kami menggunakan beberapa fungsi NumPy untuk menemukan kuadrat terkecil dan menerapkan beberapa contoh dengan penjelasan terperinci untuk pemahaman pengguna yang lebih baik.