拟合算法模型

        这节我们来讲述拟合算法。

        与插值问题不同，在拟合问题中不需要曲线一定经过给定的点。拟合问题的目标是寻求一个函数（曲线），使得该曲线在某种准则下与所有的数据点最为接近，即曲线拟合的最好（最小化损失函数）。

        我们可以通过最小二乘法得到我们的拟合曲线。

        argmin的意思是得到拟合曲线和样本点最接近时的k和b。

        

        这样就得到了我们的拟合曲线，接下来就应该评价我们的拟合曲线的好坏。

        注意我们说R方只能用于评价拟合函数是线性函数时的拟合结果，那么我们就得注意到底什么称得上是线性函数。

        给出我们这一部分的代码。

clear;clc
load data1
plot(x,y,'o')
% 给x轴和y轴加上标签
xlabel('x的值')
ylabel('y的值')
n=size(x,1);
k = (n*sum(x.*y)-sum(x)*sum(y))/(n*sum(x.*x)-sum(x)*sum(x))
b = (sum(x.*x)*sum(y)-sum(x)*sum(x.*y))/(n*sum(x.*x)-sum(x)*sum(x))
hold on % 继续在之前的图形上来画图形
grid on % 显示网格线

% % 画出y=kx+b的函数图像 plot(x,y)
% % 传统的画法：模拟生成x和y的序列，比如要画出[0,5]上的图形
% xx = 2.5: 0.1 :7  % 间隔设置的越小画出来的图形越准确
% yy = k * xx + b  % k和b都是已知值
% plot(xx,yy,'-')

% 匿名函数的基本用法。
% handle = @(arglist) anonymous_function
% 其中handle为调用匿名函数时使用的名字。
% arglist为匿名函数的输入参数，可以是一个，也可以是多个，用逗号分隔。
% anonymous_function为匿名函数的表达式。
% 举个小例子
%  z=@(x,y) x^2+y^2; 
%  z(1,2) 
% % ans =  5
% fplot函数可用于画出匿名一元函数的图形。
% fplot(f,xinterval) 将匿名函数f在指定区间xinterval绘图。xinterval =  [xmin xmax] 表示定义域的范围

f = @(x) k*x+b;
fplot(f,[2.5,7]);
legend('样本数据','拟合曲线','loaction','southeast')

y_hat = k*x+b; % y的拟合值
SSR = sum((y_hat-mean(y)).^2)  % 回归平方和
SSE = sum((y_hat-y).^2)  % 误差平方和
SST = sum((y-mean(y)).^2) %总体平方和
SST - SSE - SSR % 5.6843e-14  =   5.6843*10^-14   matlab浮点数计算的一个误差
R_2 = SSR / SST