插值与拟合模型-拟合算法★★★★★

该博客为个人学习清风建模的学习笔记，部分课程可以在B站：【强烈推荐】清风：数学建模算法、编程和写作培训的视频课程以及Matlab等软件教学_哔哩哔哩_bilibili

目录

1模型介绍

1.1提出问题

1.2最小二乘法 

1.3拟合优度

 1.4线性函数

1.4.1对变量线性

1.4.2对参数线性

1.5拟合工具箱

2代码知识

2.1randi

2.2rand

2.3normrnd

2.4roundn

3总结

---

名称	重要性	难度
拟合算法	★★★★★	★★★★

1模型介绍

插值算法中，得到的多项式f(x)要经过所有样本点。但是如果样本点太多，那么这个多项式次数过高，会造成龙格现象。

尽管我们可以选择分段的方法避免这种现象，但是更多时候我们更倾向于得到一个确定的曲线，尽管这条曲线不能经过每一个样本点，但只要保证误差足够小即可，这就是拟合的思想。 ( 拟合的结果是得到一个确定的曲线 )

1.1提出问题

1.2最小二乘法 

第一种定义有绝对值，不容易求导，因此计算比较复杂。

所以我们往往使用第二种定义，这也正是最小二乘的思想。

为什么不用四次方？

（1）避免极端数据对拟合曲线的影响。

（2）最小二乘法得到的结果和MLE极大似然估计一致。

不用奇数次方的原因：误差会正负相抵。

求解最小二乘法：

代码全部摘自清风老师 

clear;clc
load  data1
plot(x,y,'o')
% 给x和y轴加上标签
xlabel('x的值')
ylabel('y的值')
n = size(x,1);
k = (n*sum(x.*y)-sum(x)*sum(y))/(n*sum(x.*x)-sum(x)*sum(x))
b = (sum(x.*x)*sum(y)-sum(x)*sum(x.*y))/(n*sum(x.*x)-sum(x)*sum(x))
hold on % 继续在之前的图形上来画图形
grid on % 显示网格线

f=@(x) k*x+b; % 匿名函数
fplot(f,[2.5,7]);
legend('样本数据','拟合函数','location','SouthEast')

1.3拟合优度

拟合优度越接近1说明拟合效果越好；

拟合优度只能用于拟合函数是线性函数

 证明SST = SSE + SSR

y_hat = k*x+b; % y的拟合值
SSR = sum((y_hat-mean(y)).^2)  % 回归平方和
SSE = sum((y_hat-y).^2) % 误差平方和
SST = sum((y-mean(y)).^2) % 总体平方和
SST-SSE-SSR   % 5.6843e-14  =   5.6843*10^-14   matlab浮点数计算的一个误差
R_2 = SSR / SST

%注：mean()是求均值的函数。

 1.4线性函数

参考资料：古扎拉蒂《计量经济学基础》第五版

1.4.1对变量线性

在函数中，参数仅以一次方出现，且不能乘以或除以其他任何的参数，并不能出现参数的复合函数形式。

1.4.2对参数线性

1.5拟合工具箱

Custom Equations：用户自定义的函数类型
Exponential：指数逼近，有2种类型， a*exp(b*x) 、 a*exp(b*x) + c*exp(d*x)
Fourier：傅立叶逼近，有7种类型，基础型是 a0 + a1*cos(x*w) + b1*sin(x*w)
Gaussian：高斯逼近，有8种类型，基础型是 a1*exp(-((x-b1)/c1)^2)
Interpolant：插值逼近，有4种类型，linear、nearest neighbor、cubic spline、shape-preserving
Polynomial：多形式逼近，有9种类型，linear ~、quadratic ~、cubic ~、4-9th degree ~
Power：幂逼近，有2种类型，a*x^b 、a*x^b + c
Rational：有理数逼近，分子、分母共有的类型是linear ~、quadratic ~、cubic ~、4-5th degree ~；此外，分子还包括constant型
Smoothing Spline：平滑逼近（翻译的不大恰当，不好意思）
Sum of Sin Functions：正弦曲线逼近，有8种类型，基础型是 a1*sin(b1*x + c1)
Weibull：只有一种，a*b*x^(b-1)*exp(-a*x^b)

2代码知识

2.1randi

% （1）randi : 产生均匀分布的随机整数（i = int）  
%产生一个1至10之间的随机整数矩阵，大小为2x5；
s1 = randi(10,2,5)
%产生一个-5至5之间的随机整数矩阵，大小为1x10；
s2 = randi([-5,5],1,10)

2.2rand

%  （2） rand: 产生0至1之间均匀分布的随机数
%产生一个0至1之间的随机矩阵，大小为1x5；
s3 = rand(1,5)
%产生一个a至b之间的随机矩阵，大小为1x5；  % a + (b-a) * rand(1,5); 如：a,b = 2,5
s4= 2 + (5-2) * rand(1,5)

2.3normrnd

% （3）normrnd:产生正态分布的随机数
%产生一个均值为0，标准差（方差开根号）为2的正态分布的随机矩阵，大小为3x4；
s5 = normrnd(0,2,3,4)

2.4roundn

% （4）roundn—任意位置四舍五入
% 0个位 1十位  2百位 -1小数点后一位  
a = 3.1415
roundn(a,-2)    % ans   =  3.1400
roundn(a,2)      % ans   =  0
a =31415
roundn(a,2)   % ans  = 31400
roundn(5.5,0)  %6
roundn(5.5,1) %10

3总结

拟合算法与插值算法不同，不需要函数全部过样本点，只需要接近。使用最小二乘法进行拟合，线性函数用拟合优度为评价指标，而其他函数使用误差平方和，在拟合过程中可以使用matlab的拟合工具箱辅助，可以很好的获取拟合函数。