如何计算圆面积 圆面积的计算公式( 二 )


向coef提出两条路径;Coef+lr和coef-lr,其中lr是学习率 。
使用coef=coef+lr评估模型的平均绝对误差,使用coef=coef-lr评估模型的平均绝对误差 。
设置coef等于平均绝对误差值较小的coef+lr和coef-lr的数量 。
通过反复优化平均绝对误差,模型将最终收敛到“最佳”coef值(从而最小化平均绝对误差) 。这个思想是机器学习的核心原理——通过反复的推断、评估和修正,计算机可以“锤炼”出一组最优参数 。
coef = 0.1 #初始系数值
learning _ rate = 0.00001 #模型有多快& # 39;学习& # 39;
迭代= 100000 #我们希望模型重复多少次& # 39;练习并改正& # 39;
对于tqdm中的I(范围(迭代)):#注意- tqdm只是一个进度条
#提出系数的两条路径:
向上系数=系数+学习率#向上移动
向下系数=系数-学习率#或向下移动
#使用参数向上系数和向下系数存储模型的预测
up_pred = []
down_pred = []
#对于先前创建的半径列表中的每个半径值:
对于半径r:
#使用up_coef添加模型& # 39;s和down _ coef & # 39s预测(a*r^2)
up_pred.append(up_coef*(r**2))
down _ pred . append(down _ coef *(r * * 2))
#找到MAE 。两者都转换为NumPy数组,便于操作 。
up _ coef _ Mae = NP . ABS(NP . array([up _ pred])-NP . array([areas]) 。平均值()
down _ coef _ Mae = NP . ABS(NP . array([down _ pred])-NP . array([areas]) 。平均值()
#如果向下移动系数产生更低(更好)的MAE:
如果向下_coef_mae
#将其设置为down_coef
coef = down_coef
#否则(向上移动系数会产生更低(更好)或相等的MAE:
否则:
#将其设置为up_coef
coef = up_coef
当我们观察训练的coef值时,我们可以看到它等于:
print(str(coef)[:5])#系数的前四位数字(小数点算作一个字符)
[输出]:& # 39;3.141'
当然,计算圆面积的公式很容易记为r,不用微积分中任何复杂的数学方法或其他证明,就可以通过蒙特卡罗模拟和二次回归找到它的公式,找到求值的方法 。利用这个思想,我们可以找到一种计算圆的面积的方法——当然,我们也可以找到任何图形的面积计算公式——椭圆形、心形、二维龟形——只要参数能说明它的轮廓 。
近年来,计算机已经接管并开始解决复杂和高度可变的数学问题,其中圆面积的计算只是一个简单的例子 。如果你想更复杂更有创意,那当然是四色定理(每个没有飞地的地图都可以用不超过四种颜色进行着色,相邻的两个区域不会有相同的颜色) 。这是计算机先生证明的第一个成果,被数学家广泛接受 。
在计算机的帮助下,人类可以探索以前无法尝试进入的极其复杂的数学领域 。
【如何计算圆面积 圆面积的计算公式】


推荐阅读