MATLAB、Scilab、Scilab、Julia比較ページはこちら
https://www.simulationroom999.com/blog/comparison-of-matlab-python-scilab/
はじめに
の、
MATLAB,Python,Scilab,Julia比較 第2章 その15【最小二乗法⑭】
を書き直したもの。
1次関数最小二乗法の係数算出の式をJuliaを使用して実現。
1次関数最小二乗法 算出式【再掲】
まずは以前導出した、1次関数最小二乗法の係数算出の式を再掲する。
\(a,b\)を逆行列で算出
\(
\begin{bmatrix}
a \\
b
\end{bmatrix}=
\begin{bmatrix}
\sum x_i^2 && \sum x_i \\
\sum x_i && \sum 1
\end{bmatrix}^{-1}
\begin{bmatrix}
\sum x_i y_i \\
\sum y_i
\end{bmatrix}
\)
\(a,b\)を\(\sum\)で算出
\(
\begin{eqnarray}
\displaystyle a&=&\frac{n\sum x_i y_i – \sum x_i \sum y_i}{n\sum x_i^2 – (\sum x_i)^2} \\
\displaystyle b&=&\frac{-\sum x_i \sum x_i y_i + \sum x_i^2 \sum y_i}{n\sum x_i^2 – (\sum x_i)^2}
\end{eqnarray}
\)
これをfit関数を使用せずに実現する。
Juliaコード
Juliaコードは以下になる。
using PyPlot
function LeastSquares_test()
x=[0.51, 0.76, 1.06, 1.41, 1.75, 1.9, 2.01, 2.15, 2.27, 2.4, 2.49, 2.59, 2.67, 2.76, 2.83, 2.89, 2.95, 3.01, 3.05, 3.11, 3.15, 3.19, 3.23, 3.28, 3.31, 3.34, 3.38, 3.4, 3.43, 3.46, 3.49, 3.51];
y=[10, 11, 12, 13, 14, 14.5, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40];
# Σで計算
print("Σで計算\n");
n = length(x);
denominator = n*sum(x.^2)-sum(x)^2;
a=(n*sum(x.*y)-sum(x)*sum(y))/denominator;
b=(-sum(x)*sum(x.*y)+sum(x.^2)*sum(y))/denominator;
print("a=",a,",b=",b,"\n");
# 行列計算
print("行列計算\n");
V_ab = inv([sum(x.^2) sum(x) ; sum(x) n])*[sum(x.*y) ; sum(y)];
print("a=",V_ab[1],",b=",V_ab[2],"\n");
xp = range(0, 4-0.01, step=0.01);
plot(x, y, marker="+", linestyle="None" );
plot(xp, a.*xp.+b );
ylim([10,41]);
xlim([0,4]);
return;
end結果
処理結果は以下となる。
Σで計算
a=10.133033511230964,b=-2.1616643669284774
行列計算
a=10.13303351123096,b=-2.1616643669284876fit関数と同じ結果が出たとみてよいだろう。
Juliaには慣れておらず、悩まされることが多いが、
今回に限っては、MATLABとほぼ近似の書き方でOK。
差としては、linespaceがrange、plot時のオプション指定方法が若干変わるくらい。
まとめ
- 1次関数最小二乗法の係数算出の式を元にJuliaで実装。
- fit関数と同じと解釈できる結果が得られた。
- 純粋なベクトル、行列の演算に関してはMATLABとほぼ同じ書き方になる。
MATLAB、Python、Scilab、Julia比較ページはこちら
コメント