数据拟合：多项式拟合polynomial curve fitting

http://blog.csdn.net/pipisorry/article/details/49804441

常见的曲线拟合方法

    1.使偏差绝对值之和最小

     

     2.使偏差绝对值最大的最小

     

     3.使偏差平方和最小

     

按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。

皮皮blog

多项式拟合

多项式拟合公式

多项式阶数对数据拟合的影响

数据量较少，阶数过高，可能过拟合。

多项式拟合问题描述

假定给定一个训练数据集： T={ (x1,y1),(x2,y2),⋯,(xN,yN)}

其中， xi∈R 是输入 x 的观测值， yi∈R 是相应的输出y的观测值， i=1,2,⋯,N ，多项式函数拟合的任务是假设给定数据由 M 次多项式函数生成，选择最有可能产生这些数据的 M 次多项式函数，即在 M 次多项式函数中选择一个对已知数据以及未知数据都有很好预测能力的函数。

设 M 次多项式为 fM(x,w)=w0+w1x+w2x2+⋯+wMxM=∑j=0Mwjxj ，式中 x 式单变量输入， w0,w1,⋯,wm 是 M+