高斯牛顿迭代求解非线性回归问题

最新推荐文章于 2024-07-26 17:10:31 发布

NotAnyMore_HCWY

最新推荐文章于 2024-07-26 17:10:31 发布

阅读量3.2k

点赞数 3

分类专栏：算法数学

本文链接：https://blog.csdn.net/sisterhuang/article/details/50479678

版权

本文探讨了如何应用高斯牛顿迭代法来解决非线性回归问题，具体案例为给定函数及数据点，通过算法求解参数b、c和d。由于问题的非线性特性，不适用于最小二乘或梯度下降法，而高斯牛顿法提供了解决方案。

摘要由CSDN通过智能技术生成

解决的问题：已知函数：，数据X=[1.0,2.0,3.0,4.0,5.0]'; Y=[15.0,21.656,27.928,34,39.944]'; 求参数 b c d。该问题属于非线性回归，不能直接使用最小二乘或梯度下降法求解。但可以使用高斯牛顿法迭代求解。

首先将b c d 作为变量泰勒展开得。。。。。。。懒得写了。。。。。代码copy:

clc
clear
%训练数据
x=[1.0,2.0,3.0,4.0,5.0]';
y=[15.0,21.656,27.928,34,39.944]';


%终止条件,最大迭代次数,收敛精度
loop_max =100;
%初始值
beta=[0.5 1 1]';
%停止迭代误差
error=4;
for i=1:loop_max
    xx=x.^beta(1);
    y_mao=[x.^beta(1),x,ones(size(x,1),1)]*[3,beta(2),beta(3)]';
    y_dif=y-y_mao;
    norm(y_dif)
    if norm(y_di