插值算法模型

给定一组数据,需要确定满足特定要求的曲线,如果所求曲线通过所给定有限个数据点，这就是插值。有时由于给定的数据存在测量误差，往往具有一定的随机性。因而，要求曲线通过所有数据点不现实也不必要。如果不要求曲线通过所有数据点，而是要求它反映对象整体的变化态势，得到简单实用的近似函数，这就是曲线拟合。

插值：曲线经过数据的每一个点（拟合则不需要）。

插值和拟合都是根据一组数据构造一个近似函数，但由于近似的要求不同，二者在数学方法上是完全不同的。而面对一个实际问题，究竟应该用插值还是拟合，有时容易确定，有时并不明显。-

常见的插值有多项式插值，拉格朗日插值，牛顿插值，三次埃尔米特插值，三次样条插值。

牛顿插值较拉格朗日更有继承性，牛顿插值中易于写出下一项，方便累加。

多项式插值插值多项式次数高精度未必显著提高，插值多项式次数越高摄入误差可能显著增大。

高次插值会产生龙格现象，即在两端处波动极大,产生明显的震荡。

在不熟悉曲线运动趋势的前提下，不要轻易使用高次插值。

拉格朗日插值

牛顿插值