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)。
(n>30大样本时用拟合;插值使用于样本量比较小的时候)
最小二乘法
基本原理(截图来自百度百科):
线性最小二乘法
一元线性回归
一组二维数据,即平面上的 n 个点(xi , yi)互不相同,寻求一个函数(曲线)y = f (x),使 f (x) 在某种准则下与所有数据点最为接近,及曲线拟合的最好。
多元线性回归
如何评价拟合的好坏
拟合优度(可决系数)R^2:只能用于拟合函数是线性函数时
总体平方和SST
误差平方和SSE
回归平方和SSR
最小二乘法的Matlab实现
Matlab中的线性最小二乘法的标准型为
命令为
曲线拟合的工具箱
优先选用SSE较小的拟合函数,且遵循简洁性。
最小二乘法优化
以后再补。。。。。。