插值与拟合算法
一、插值(存在龙格现象,虽次数上升明显增大)适用于样本数据少
一维插值分为多项式插值、分段插值、三角插值(快速傅里叶变换)
多项式插值用范德蒙行列式解齐线性方程组
多项式插值法:拉格朗日插值、牛顿插值、埃尔米特插值、分段插值、三次样条插值
龙格现象:两端波动较大,精度与次数无关,次数越高摄入误差越大
拉格朗日插值、牛顿插值、分段插值不能全面反映被插值函数的性态
Hermite插值pchip:函数值和导数值均相同
三次样条插值spline(优先使用):函数值、一阶二阶导数值均相同
二、拟合(龙格现象很小可以忽略)适用于样本数据多
插值时数据均在曲线或折线上上,拟合取与数据偏差最小的曲线即最小化损失函数
为啥不用最小一乘法:正负相消;最小三乘法:正负相消;最小四乘法:次数高,偏差会放大
使用一次线性拟合时总体平方和SST=误差平方和SSE+回归平方和SSR
R^2用于一次线性检验,SSE通用,对参数线性
曲线拟合工具箱cftool
新函数:randi rand normrnd roundn mean pchip spline interpn