函数拟合2

分段线性插值函数

• 数据误差为0
• 函数性质不够好，只有C0连续，不光滑
  
  光滑插值函数
• 数据误差为0
• 可能被“差数据”（噪声）带歪，导致函数性质不好、预测不可靠
  
  逼近拟合函数
• 数据误差不为0，但足够小
  
  求拟合函数没有唯一的方法，取决于具体的应用。

首先确定函数的表达空间（函数集、空间），确定基函数的组合系数（求解变量）

然后优化模型（最小化问题）

• 能量项 = 误差项 （距离）+ 正则项（限制）

最后求解误差函数的驻点（导数为0之处），转化为系数的方程组

如果是欠定的（有无穷多解），则修正模型
	改进/增加各种正则项，Lasso、岭回归、稀疏正则项
	返回修改模型

对于给定问题，插值多项式存在唯一，但是可以用不同的方法给出插值多项式的不同表示形式。比如拉格朗日插值和牛顿插值。

多项式插值存在的问题：

• 系统矩阵稠密
• 依赖于基函数选取，矩阵可能病态，导致难于求解
• 多项式插值不稳定，控制点的微小变化可能导致完全不同的结果
• 振荡现象，多项式随着插值点数增加而摆动

更好的基函数

• 伯恩斯坦基函数

好的基函数一般需要系数交替

多项式的好处

• 易于计算，表现良好，光滑
• 稠密性和完备性：表达能力足够！