首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >使用Excel的分析工具来进行变量求解(一元一次,一元多次,多元多次)

使用Excel的分析工具来进行变量求解(一元一次,一元多次,多元多次)

作者头像
逍遥之
发布于 2020-03-23 10:41:51
发布于 2020-03-23 10:41:51
8.1K0
举报
文章被收录于专栏:数据技巧数据技巧

单变量是规划求解的简化版,顾名思义就是一元函数的求解,而规划求解不管是一元一次,还是一元多次都可以运算。

(一) 求解一元一次方程式

例子:

Y=35x+60,当y=564的时候,x等于多少?

在Excel公式中,我们根据方程式写出Y的计算结果。(请注意这里在公式里的X已经做了名称命名。

在做单变量之前,我们要先开启迭代计算功能。次数和精度我们可以根据实际情况来选择。

随后我们就可以进行单变量求解了。根据实际情况进行设置并进行运算。

运算后的结果。

(二) 求解一元多次方程式

例子:

当y=2210时,x为多少?

同样的方法,我们在结果单元格输入公式。

通过单变量求解的工具来求得X的值。

除了使用单变量求解,我们也可以通过规划求解来达到要求,单变量求解只是简化的规划求解功能,真正的规划求解功能是非常强大的。

根据所需要的条件来设置,其中尤其要注意的是,之前我们使用的是一元一次方程式求解,这个是单纯线性规划。而一元多次方程式则需要选择非线性GRG选项来进行求解。

规划求解中还可以制作报告大纲以及保存方案,对于结果非单一的情况下,方案的保存还是很有必要的。

(三) 求解多元多次方程式

例:对于三角函数的勾股定理,我相信大部分人应该还会记得。

如果已知斜边是10,求a和b分别为多长?

像这类题在规划求解中就需要添加约束条件了,至少边长要大于0吧,我们假定要求边长大于1。此外我们把约束条件在限定下,都是整数。

先把c固定住值,然后C2这里写上a2+b2的求和公式。最后通过规划求解进行求值。

最终在c=10的情况下,返回结果a=8,b=6。

注意事项:目标值必须是公式,如果是常数则无法进行计算。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-02-12,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 数据技巧 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
python数据分析——数据分析的数据模型
数据分析的数据模型是决策支持系统的重要组成部分,它通过对大量数据的收集、整理、分析和挖掘,为企业提供有价值的信息,以支持企业的战略规划和日常运营。数据模型的选择和应用,直接关系到数据分析的准确性和有效性,进而影响企业的决策质量和市场竞争力。
鲜于言悠
2024/03/20
4150
python数据分析——数据分析的数据模型
AI 技术讲座精选:数据科学家线性规划入门指南
前 言 生活之道在于优化。每个人拥有的资源和时间都是有限的,我们都想充分利用它们。从有效地利用个人时间到解决公司的供应链问题——处处都有用到优化。 优化还是一个有趣的课题——它解决的问题初看十分简单,但是解决起来却十分复杂。例如,兄弟姐妹分享一块巧克力就是一个简单的优化问题。我们在解决这个问题时不会想到使用数学。另一方面,为电商制定库存和仓储策略可能会十分复杂。数百万个库存单位在不同地区有不同的需求量,而且配送所需的的时间和资源有限——你明白我意思吧! 线性规划(LP)是实现优化的最简途径之一。它通过作出几
AI科技大本营
2018/04/26
1.4K0
AI 技术讲座精选:数据科学家线性规划入门指南
用西尔特编程器解密芯片_配方法解一元二次方程
各位小伙伴大家好,今天我将给大家演示一个非常高级的工具,SMT求解器。应用领域非常广,解各类方程,解各类编程问题(例如解数独),解逻辑题等都不在话下。
全栈程序员站长
2022/11/19
2.4K0
用西尔特编程器解密芯片_配方法解一元二次方程
数学|如何求解线性方程系数?
线性方程在生活的出现的比例很高,很多地方都可以出现它的身影。这些方程都是通过对实际数据的分析处理得来的,那么这些方程到底该如何确定呢?就像下面的散点图,如何通过它得到一个线性方程?
算法与编程之美
2020/04/15
1.1K0
大规模稀疏线性规划求解思路梳理
已知现在有M个广告主和N个广告词,其中每个单位流量的(广告主,广告词)收益固定,且每个广告主/广告词均有流量分配限制,问如何给(广告主,广告词)分配流量,使得收益达到最大。
锅逗逗
2022/08/01
1.8K0
大规模稀疏线性规划求解思路梳理
数学求解器Lingo软件最新激活版,Lingo软件2023安装教程下载
Lingo是一种求解器软件,它主要用于求解线性规划问题。线性规划问题是一类最优化问题,它通常用于寻找最大化或最小化目标函数的最优解,同时满足一些约束条件。例如,假设我们有一家生产纸箱的工厂,现在我们需要确定每种纸箱的生产数量,以最大化利润,同时保证我们有足够的原材料和工人来完成工作。这就是一个典型的线性规划问题,我们可以使用Lingo来求解。
用户10413399
2023/03/19
1.4K0
数学求解器Lingo软件最新激活版,Lingo软件2023安装教程下载
Z3Py在CTF逆向中的运用
Z3是Microsoft Research开发的高性能定理证明器。Z3拥有者非常广泛的应用场景:软件/硬件验证和测试,约束求解,混合系统分析,安全性研究,生物学研究(计算机分析)以及几何问题。Z3Py是使用Python脚本来解决一些实际问题。
FB客服
2018/07/30
1.6K0
Z3Py在CTF逆向中的运用
机器学习中的最优化算法总结
对于几乎所有机器学习算法,无论是有监督学习、无监督学习,还是强化学习,最后一般都归结为求解最优化问题。因此,最优化方法在机器学习算法的推导与实现中占据中心地位。在这篇文章中,SIGAI将对机器学习中所使用的优化算法做一个全面的总结,并理清它们直接的脉络关系,帮你从全局的高度来理解这一部分知识。
SIGAI学习与实践平台
2018/08/24
6.6K0
机器学习中的最优化算法总结
机器学习实战 - 读书笔记(05) - Logistic回归
机器学习实战 - 读书笔记(05) - Logistic回归 解释 Logistic回归用于寻找最优化算法。 最优化算法可以解决最XX问题,比如如何在最短时间内从A点到达B点?如何投入最少工作量却获得最大的效益?如何设计发动机使得油耗最少而功率最大? 我们可以看到最XX问题,有寻找最小(最短时间)和最大等。 解决最小类问题会使用梯度下降法。可以想象为在一个山坡上寻找最陡的下坡路径。 同理,解决最大类问题会使用梯度上升法。可以想象为在一个山坡上寻找最陡的上坡路径。 寻找最优化算法,可以通过试图找到一个阶跃
绿巨人
2018/05/17
9820
机器学习中的最优化算法(全面总结)
对于几乎所有机器学习算法,无论是有监督学习、无监督学习,还是强化学习,最后一般都归结为求解最优化问题。因此,最优化方法在机器学习算法的推导与实现中占据中心地位。在这篇文章中,小编将对机器学习中所使用的优化算法做一个全面的总结,并理清它们直接的脉络关系,帮你从全局的高度来理解这一部分知识。
算法进阶
2023/08/28
7810
机器学习中的最优化算法(全面总结)
线性回归的推导与优化
前面我们介绍的算法都属于分类算法,分类顾名思义就是预测样本对应的应该是哪一类,比如决策树实战中预测泰坦尼克号的乘客生还还是遇难,比如knn实战中预测对应的书写数字应该属于哪一类(即哪一个数字)等等这些都属于分类算法
数据森麟
2020/12/18
1.4K0
线性回归的推导与优化
机器学习(9)——SVM数学基础
支持向量机涉及到数学公式和定力非常多,只有掌握了这些数学公式才能更好地理解支持向量机算法。 最优化问题 最优化问题一般是指对于某一个函数而言,求解在其指定作用域上的全局最小值问题,一般分为以下三种情况(备注:以下几种方式求出来的解都有可能是局部极小值,只有当函数是凸函数的时候,才可以得到全局最小值) (1)无约束问题:求解方式一般求解方式梯度下降法、牛顿法、坐标轴下降法等;其中梯度下降法是用递归来逼近最小偏差的模型。我们在前面介绍过; (2)等式约束条件:求解方式一般为拉格朗日乘子法 (3)不等式约束条件:
DC童生
2018/04/27
9070
机器学习(9)——SVM数学基础
用Python学数学之Sympy代数符
说起数学计算器,我们常见的是加减乘除四则运算,有了它,我们就可以摆脱笔算和心算的痛苦。四位数以上的加减乘除在数学的原理上其实并不难,但是如果不借助于计算器,光依赖我们的运算能力(笔算和心算),不仅运算的准确度大打折扣,而且还会让我们对数学的运用停留在一个非常浅的层次。
py3study
2020/01/03
2.5K0
中山大学HCP Lab团队:AI解题新突破,神经网络推开数学推理大门
人类在成长过程的不同阶段均需要掌握很多的知识点来求解大量的数学题。然而,知识点看懂了不算真的懂,能求解题目才能体现人类的智慧。近年来,神经网络在计算机视觉,模式匹配、自然语言处理、强化学习等领域取得了巨大成功,但神经网络模型的离散组合推理能力远不及人类。那么,神经网络能否理解数学题,并解出这些题目呢?如果可以,那么神经网络的解题能力如何?
机器之心
2022/12/15
6360
中山大学HCP Lab团队:AI解题新突破,神经网络推开数学推理大门
在R里面对三元一次方程求解
就可以求出唯一解:X= -984.7667 Y= -61.2 Z= 327.5667 看起来确实有点难度哦!
生信技能树
2020/07/02
2.6K0
在R里面对三元一次方程求解
数据结构与算法基础-(3)
最常用的:按索引取值和赋值( v = a [i]-->取值操作, a [i] = v-->赋值操作)
ImAileen
2024/01/18
1610
数据结构与算法基础-(3)
逻辑回归(logistics regression)原理-让你彻底读懂逻辑回归
记得刚工作的时候,用的第一个模型就是逻辑回归。虽然从大二(大一暑假参加系里建模培训,感谢老师!)就参加了全国大学生数学建模比赛,直到研究生一直在参加数学建模,也获了大大小小一些奖。
阿黎逸阳
2020/09/08
72.2K6
逻辑回归(logistics regression)原理-让你彻底读懂逻辑回归
五分钟了解这几个numpy的重要函数
数据挖掘的理论背后,几乎离不开线性代数的计算,如矩阵乘法、矩阵分解、行列式求解等。本文将基于numpy模块实现常规线性代数的求解问题,需要注意的是,有一些线性代数的运算并不是直接调用numpy模块,而是调用numpy的子模块linalg(线性代数的缩写)。该子模块涵盖了线性代数所需的很多功能,本文将挑几个重要的例子加以说明。
1480
2019/07/15
6940
五分钟了解这几个numpy的重要函数
理解梯度下降法
最优化问题在机器学习中有非常重要的地位,很多机器学习算法最后都归结为求解最优化问题。在各种最优化算法中,梯度下降法是最简单、最常见的一种,在深度学习的训练中被广为使用。在本文中,SIGAI将为大家系统的讲述梯度下降法的原理和实现细节问题。
SIGAI学习与实践平台
2018/08/07
9120
理解梯度下降法
符号执行 (Symbolic Execution) 与约束求解 (Constraint Solving)
笔者最近在做通过符号执行(Symbolic Execution)与约束求解器(Constraint Solver)来自动生成 P4 程序的测试用例,符号执行是一种重要的形式化验证(Formal Verification)方法和软件分析技术。
Flowlet
2024/01/05
1.2K0
符号执行 (Symbolic Execution) 与约束求解 (Constraint Solving)
推荐阅读
相关推荐
python数据分析——数据分析的数据模型
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档