7.10学习笔记

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