Dalam tutorial ini, kita belajar cara menggunakan eksponen dengan Python. Menaikkan angka ke pangkat dua sedikit lebih rumit daripada perkalian normal. Sederhananya, eksponen adalah berapa kali angka tersebut dikalikan dengan dirinya sendiri. Kita bisa menggunakan tiga cara berbeda di Python untuk melakukannya. Mari kita lihat apa saja cara-cara itu Show
Daftar Isi
Apa itu eksponen?Dalam istilah Matematika, eksponen mengacu pada angka yang ditempatkan sebagai superskrip angka. Dikatakan berapa kali bilangan dasar harus dikalikan dengan dirinya sendiri. Eksponensial ditulis sebagai mⁿ dan diucapkan sebagai "m pangkat n". Di sini "n" adalah eksponen dan "m" adalah basisnya. Artinya m adalah dikalikan dengan m, n berapa kali. Kita tidak dapat menyelesaikan eksponen seperti biasanya kita melakukan perkalian dengan Python Tentunya, untuk 2^3 kita dapat mengalikan 2, 3 kali dan mendapatkan hasil tetapi akan gagal ketika kita berhadapan dengan angka yang lebih besar. Jadi, kita membutuhkan cara yang tepat untuk memecahkan eksponen Menggunakan operator eksponen di PythonOperator eksponen atau operator pangkat bekerja pada dua nilai. Satu disebut basis dan yang lainnya adalah eksponen. Seperti yang dijelaskan sebelumnya, eksponen menunjukkan berapa kali basis harus dikalikan dengan dirinya sendiri Sintaksis
Di sini, operator eksponen menaikkan variabel kedua pangkat variabel pertama Contoh _Keluaran
Menggunakan fungsi pow() untuk eksponen PythonPython memiliki fungsi bawaan yang berguna untuk menghitung daya. pow(). Ini menerima dua parameter yang merupakan basis dan eksponen. Ini mengembalikan modulus hasil. Hasilnya akan selalu bilangan bulat positif Sintaksis
Di sini, "m" adalah basis (angka yang dipangkatkan dengan eksponen) dan "n" adalah eksponen (angka yang dipangkatkan basisnya) Memasukkan _Keluaran
Menggunakan matematika. pow() fungsi untuk eksponen PythonPython memiliki fungsi lain matematika. pow() yang memungkinkan Anda memecahkan eksponen. Itu juga menerima dua parameter. basis dan eksponen. Perbedaan utama antara pow() dan matematika. pow() adalah matematika itu. pow() mengubah kedua variabel menjadi floating point dan selalu mengembalikan float Sintaksis _Memasukkan
Keluaran _Menutup pikiranMelakukan Matematika dengan Python itu mudah, tetapi menghitung eksponen dengan Python sedikit rumit. Kami telah belajar cara menggunakan eksponen dengan Python. Tapi ingat dengan Python, itu akan mengembalikan kesalahan pembagian nol jika kita menaikkan 0 ke pangkat apa pun. Python juga memiliki operator matematika lainnya, dan Anda dapat membacanya di sini matematika. fungsi exp(x) mengembalikan nilai exp(x) = e^x SintaksisSintaks untuk memanggil fungsi exp() adalah _di mana ParameterDiperlukanDeskripsixYaNilai numerikDalam contoh berikut, kita menemukan pangkat eksponensial dari 2, menggunakan fungsi exp() dari modul matematika Program Piton _LariKeluaran
Sekarang, mari kita cari pangkat eksponensial dari bilangan negatif Program Piton LariKeluaran
RingkasanDalam tutorial Contoh Python ini, kami mempelajari sintaks, dan contoh untuk matematika. exp() fungsi Jika Anda memiliki kumpulan titik data yang tampaknya meningkat dengan cepat, mungkin berguna untuk menyesuaikannya dengan garis yang halus dan meningkat secara eksponensial untuk menggambarkan bentuk umum data. Garis yang perlu Anda paskan untuk mencapai bentuk ini akan menjadi salah satu yang dijelaskan oleh fungsi eksponensial, yaitu fungsi apa pun dari bentuk tersebut \(y = AB^x + C\) atau \(y = ae^{bx} + c\) (keduanya setara secara matematis karena \(AB^x = Ae^{x\ln(B)}\)). Hal penting yang harus disadari adalah bahwa fungsi eksponensial dapat didefinisikan sepenuhnya dengan tiga konstanta. Kami akan menggunakan formulasi kedua, yang dapat ditulis dengan Python sebagai 7 di mana 8 adalah fungsi eksponensial \(e^x\) dari paket Numpy (berganti nama menjadi 9 dalam contoh kami)Untuk tutorial ini, mari buat beberapa data palsu untuk digunakan sebagai contoh. Ini harus berupa kumpulan poin yang meningkat secara eksponensial (atau upaya kami untuk menyesuaikan kurva eksponensial dengannya tidak akan berhasil dengan baik. ) dengan beberapa derau acak yang dilemparkan untuk meniru data dunia nyata
Kebisingan acak ditambahkan dengan fungsi 0 dari Numpy yang mengambil sampel acak dari distribusi normal (Gaussian). Mari kita lihat seperti apa contoh data ini di sebar plot
Perintah _1 dari Numpy digunakan untuk mencocokkan fungsi polinomial dengan data. Ini mungkin terlihat sedikit aneh. mengapa kita mencoba menyesuaikan fungsi polinomial dengan data saat kita ingin menyesuaikan fungsi eksponensial? \(y = ae^{bx} \menyiratkan \ln(y) = \ln(a) + bx\) karena kita dapat mengambil logaritma natural dari kedua sisi. Ini menciptakan persamaan linier \(f(x) = mx + c\) di mana
Jadi 1 dapat digunakan untuk mencocokkan \(\ln(y)\) dengan \(x\)
Polinomial ini sekarang dapat diubah kembali menjadi eksponensial
Mari kita lihat kecocokannya
Metode ini memiliki kelemahan karena terlalu menekankan nilai-nilai kecil. titik-titik yang memiliki nilai besar dan yang relatif dekat dengan garis linear paling cocok yang dibuat oleh 1 menjadi lebih jauh dari garis paling cocok ketika polinomial diubah kembali menjadi eksponensial. Tindakan mengubah fungsi polinomial menjadi fungsi eksponensial memiliki efek meningkatkan nilai besar lebih banyak daripada nilai kecil, dan dengan demikian memiliki efek meningkatkan jarak ke kurva pas untuk nilai besar lebih dari pada nilai kecil. Ini dapat dikurangi dengan menambahkan 'bobot' sebanding dengan \(y\). beri tahu _1 untuk lebih mementingkan poin data dengan nilai y yang besar
Menggunakan beban telah meningkatkan kecocokan Dari paket Scipy kita bisa mendapatkan fungsi 5. Ini lebih umum daripada _1 (kita dapat menyesuaikan semua jenis fungsi yang kita suka, eksponensial atau tidak) tetapi lebih rumit karena terkadang kita perlu memberikan tebakan awal seperti apa konstanta agar dapat berfungsiMari gunakan data contoh asli kita (dengan \(c \neq 0\))
Sekarang mari kita cocokkan fungsinya \(y = ae^{bx} + c\). Ini dilakukan dengan mendefinisikannya sebagai fungsi lambda (yaitu sebagai objek dan bukan sebagai perintah) dari variabel dummy \(t\) dan menggunakan fungsi 5 untuk menyesuaikan objek ini dengan data x dan y. Perhatikan bahwa fungsi _5 perlu diimpor dari sub-paket 9
Output pertama, 0, adalah daftar nilai yang dioptimalkan untuk parameter yang, dalam kasus kami, adalah konstanta \(a\), \(b\) dan \(c\)
Mari kita lihat seperti apa ini
Ini terlihat sangat bagus, dan kami tidak perlu memberikan tebakan awal. Ini karena contoh data yang kami gunakan cukup dekat dengan sifat eksponensial sehingga algoritme pengoptimalan di belakang 5 dapat menyesuaikan kurva tanpa sengaja memilih minimum lokal yang salah. Ini tidak selalu terjadi, jadi inilah cara melakukannya dengan tebakan awal yang disediakan 0 1Mari plot ketiga metode satu sama lain menggunakan data contoh yang sama (\(c = 0\)) untuk masing-masing _2Seperti yang Anda lihat, metode _5 telah memberi kita perkiraan terbaik dari perilaku eksponensial dasar yang sebenarnyaKita dapat menggunakan kurva pas untuk memperkirakan seperti apa data kita untuk nilai lain dari \(x\) yang tidak ada dalam kumpulan data mentah kita. berapa nilainya di \(x=11\) (yang berada di luar domain kita dan karenanya mengharuskan kita untuk meramalkan ke masa depan) atau \(x = 8. 5\) (yang ada di dalam domain kita dan karenanya mengharuskan kita untuk 'mengisi celah' dalam data kita)? Bagaimana Anda mengambil fungsi eksponensial dengan Python?Dalam Python, kami memiliki operator eksponensial, yang merupakan salah satu cara untuk menghitung nilai eksponensial dari nilai basis dan eksponen yang diberikan. Kita menggunakan (**) operator asterisk/eksponensial ganda antara nilai dasar dan eksponen . Dalam contoh di atas, kita mengambil basis 2 dan eksponen sebagai 16.
Bagaimana Anda menulis e eksponensial dengan Python?Pustaka matematika Python. exp() metode
. Metode ini digunakan untuk menghitung kekuatan ei. e. e^y atau kita dapat mengatakan eksponensial dari y. Nilai e kira-kira sama dengan 2. 71828….
Bagaimana cara menulis fungsi eksponensial?Mengingat grafik garis, kita dapat menulis fungsi linier dalam bentuk y=mx+b dengan mengidentifikasi kemiringan (m) dan perpotongan y (b) dalam grafik. Diberi grafik kurva eksponensial, kita dapat menulis fungsi eksponensial dalam bentuk y=ab^x dengan mengidentifikasi rasio umum (b) dan perpotongan y (a) dalam grafik< . .
Bagaimana Anda menulis eksponensial di Numpy Python?exp() dengan Python. numpy. exp(array, out = Tidak ada, di mana = Benar, casting = 'same_kind', order = 'K', dtype = Tidak ada) . Fungsi matematis ini membantu pengguna menghitung eksponensial semua elemen dalam larik input. |