跳到主要內容

子風的知識庫

搜尋此網誌

[理財] 美股比較

取得連結
Facebook
Twitter
Pinterest
以電子郵件傳送
其他應用程式

理財知識：美股比較
GitHub

簡介：總報酬統計、年報酬統計、回測統計、相關係數

熱門文章

[Python] Matplotlib 基本教學

程式語言：Python Package：matplotlib 官網官方圖廊功能：畫圖基本概念 Figure 最上層的物件包含 Axes 物件，甚至其他的元件 Axes 常用的畫圖物件，包含座標軸，像是直方圖、折線圖、圓餅圖等 Axis 座標軸物件若使用 plt.method，其實就是在呼叫當前的 axes 進行畫圖 matplotlib.pyplot.gcf() 得到當前的 figure matplotlib.pyplot.gca() 得到當前的 axes matplotlib.pyplot.sca(ax) 設定當前的 axes，並且會自動更正 figure 參數對應圖線圖 import numpy as np import matplotlib.pyplot as plt # 建立 x，從 -pi 到 pi，共 100 點，且需包含終點 pi x = np.linspace(-np.pi, np.pi, num=100, endpoint=True) c,s,t = np.cos(x), np.sin(x), np.tan(x) # 第一次呼叫 plt.plot 會自動建立合適的 figure # 之後若有使用到 plt.method 皆以此 figure 為主 # 可以使用 latex 語法，需用 $ ... $ 包住 plt.plot(x, c, label=r'cos$\theta$') # 之後呼叫 plt.plot 會使用先前建立的 figure # 畫出紅色向下三角形 plt.plot(x, s, 'rv', label=r'sin$\theta$') # 畫出綠虛線，並在各點位置標上綠線青圓點 plt.plot(x, t, color='g', linestyle='dashed', marker='o', markerfacecolor='c', markersize=5) # 以下為特調需求，不見得需要 # --------------------------------------------- # 用

[Circuit] MOSFET 特性

電路知識：MOSFET 特性簡介：特性與運用以下皆以 NMOS 進行討論， PMOS 可參考公式進行推導電流公式只限於 Saturation \(\lambda\) 的量級約為小數點第二位甚至更小，取決於製程參數 $$ I_D=k(V_{GS}-V_{Th})^2(1+\lambda V_{DS})\\ $$ 此時 $$ V_{Th}>V_{GD}= V_{GS}-V_{DS} $$

[Math] 矩陣微分

數學知識：矩陣微分線代啟示錄 Wiki Matrix calculus 簡介：矩陣微分定義與基本性質定義：scalar by vector 的導數假設 \(f\) 為 function，且擁有 \(p\) 個獨立變數 \(x_1,x_2,\cdots,x_p\) 令 \(\mathbf{x} = [x_1,x_2,\cdots,x_p]^{T} \) \(\frac{\partial f}{\partial \mathbf{x}} = \left [\frac{\partial f}{\partial x_1},\frac{\partial f}{\partial x_2},\cdots,\frac{\partial f}{\partial x_p}\right ]^T\) 定理(1)：\(\frac{\partial \mathbf{x}^T\mathbf{x}}{\partial \mathbf{x}}=2\mathbf{x}\) \(Proof:\) $$ \begin{align*} \frac{\partial \mathbf{x}^T\mathbf{x}}{\partial \mathbf{x}}&=[\frac{\partial \mathbf{x}^T\mathbf{x}}{\partial x_1},\frac{\partial \mathbf{x}^T\mathbf{x}}{\partial x_1},\frac{\partial \mathbf{x}^T\mathbf{x}}{\partial x_p}]^T \\&=[\frac{\partial \sum_{i=1}^{n}x_i^2}{\partial x_1},\frac{\partial \sum_{i=1}^{n}x_i^2}{\partial x_2},\cdots,\frac{\partial \sum_{i=1}^{n}x_i^2}{\partial x_p}]^T \\ &=[2x_1,2x_2,\cdots,2x_p]^T \\ &=2[x_1,x_2,\cdots,x_p]^T \\ &=2\mathbf{x} \end{align*}$$

技術提供：Blogger