拟合算法笔记

最新推荐文章于 2022-06-11 11:01:07 发布

CourserLi

最新推荐文章于 2022-06-11 11:01:07 发布

阅读量1.7k

点赞数 2

分类专栏：数学建模文章标签：数学建模

本文链接：https://blog.csdn.net/courserli/article/details/107044356

版权

数学建模专栏收录该内容

20 篇文章 24 订阅

订阅专栏

拟合算法什么时候用？

拟合算法的结果是得到一个函数（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），且曲线不需要一定经过给定的点

拟合算法非常适合样本数据较多的情况（即大于30）

演示拟合法在实践中的用途

选定你认为最合适的拟合函数，并作出 2019-2020 年的预测图
在这里插入图片描述
一、预处理
将题目数据导入 Matlab 中，并根据样本点做出如下散点图

由图可知，人口增长曲线有很明显的直线特征，故我们令其函数表达式为 $y = k x + b$

二、求解最小二乘法
先令拟合值 $\hat{y}_{i}=k x_{i}+b$

那么 $\hat{k}, \hat{b}=\underset{k, b}{\arg \min }\left(\sum_{i=1}^{n}\left(y_{i}-\hat{y}_{i}\right)^{2}\right)=\underset{k, b}{\arg \min }\left(\sum_{i=1}^{n}\left(y_{i}-k x_{i}-b\right)^{2}\right)$

我们不妨令 $L=\sum_{i=1}^{n}\left(y_{i}-k x_{i}-b\right)^{2}$ ，现要找 $k, b$ 使得 $L$ 最小

经过一系列数学运算，最终我们得到：

三、模型求解
利用 Matlab 软件，我们求解得 $\hat{k}=702.4, \hat{b}=-1.278e+06$ ，作出预测图
在这里插入图片描述
四、多次拟合
为了保证拟合结果的准确性，我们利用 Matlab 自带的 cftool 工具箱，它是一款强大的曲线拟合工具，并从中选取了一些常见的拟合函数，并进行对比分析，结果如下表所示：

$\begin{array}{|c|c|c|c|} \hline \text { 函数类型 } & \mathrm { Degree } & \mathrm{ SSE } & \mathrm{ R^2 } \\ \hline \text { polynomial } & 1 & 9.166 \times 10^{4} & 0.9978 \\ \hline \text { polynomial } & 2 & 9662 & 0.9998 \\ \hline \text { polynomial } & 3 & 1493 & 1.0000 \\ \hline \text { exponential } & - & 6.951 \times 10^{4} & 0.9983 \\ \hline \text { Gaussian } & - & 6.961 \times 10^{4} & 0.9983 \\ \hline \text { power } & - & 7.15 \times 10^{4} & 0.9982 \\ \hline \end{array}$

结论： 多项式逼近中， $\mathrm{R^2}$ 越接近 $1$ ，说明误差平方和（ $\mathrm{SSE}$ ）接近于 $0$ ，拟合效果越好；对于其它非线性函数， $\mathrm{SSE}$ 值越低拟合效果越好。综上所述，多项式中 $\mathrm {Degree}$ 为 $3$ 与插值逼近拟合效果最好，但同时我们要考虑到函数的形式越简单越好，综合以上的拟合结果，我们最终认为 $\mathrm {Degree}$ 为 $1$ 的 $\mathrm{polynomial}$ 函数的拟合最为合适

步骤及代码
在这里插入图片描述

%% 预处理
load data2.mat;
year = data2(:,1);
population = data2(:,2);
% plot(year,population,'o')  				     % 散点图
cftool
[fitresult, gof] = createFit(year, population);  % cftool 的 Genarate Code 导入
t = 2009:2020;
k = 702.4;   
b = -1.278e+06;

%% 最小二乘法 求法一：匿名函数
f=@(x) k*x+b;
fplot(f,[2009,2020]);
hold on
plot(year,population,'o')					     % 预测图

%% 最小二乘法 求法二：结合函数
predictions = k.*t+b;
plot(year,population,'o',t,predictions,'-')		 % 预测图

%% 求解其他拟合函数
...