最小二乘法多项式曲线拟合

多项式曲线(Polynomial curve fitting)拟合最小二乘法，根据给定的m个点,并不要求这条曲线精确地经过这些点，而是曲线 $y=f(x)$ 的近似曲线 $y= φ(x)$。看图说话：

---

多项式曲线拟合原理

给定数据点$p_i(x_i,y_i)$，其中$i=1,2,…,m$。求近似曲线$y= \delta(x)$。并且使得近似曲线与$y=f(x)$的偏差最小。近似曲线在点pi处的偏差$\phi_i= \delta(x_i)-y$，$i=1,2,...,m$。

常见的曲线拟合方法:

1.使偏差绝对值之和最小

$$\min\limits_{\phi}\sum_{i=1}^{m}{\left|\delta_{i}\right|}=\sum_{i=1}^{m}{\left| \phi(x_i)-y_i \right |}$$

2.使偏差绝对值最大的最小

$$\min\limits_{\phi}\max\limits_{i}\left| \delta_i \right| = \left| \phi(x_i)-y_i \right|$$

3.使偏差平方和最小

$$\min\limits_{\phi}\sum_{i=1}^{m}{\left|\delta_{i}^2\right|}=\sum_{i=1}^{m}{(\phi(x_i)-y_i)^2}$$

按第三种偏差平方和最小 的原则选取拟合曲线，并且采取二项式方程为拟合曲线的方法,称为最小二乘法。

---

推导过程：

1.设拟合多项式为：

y=a0+