线性拟合

线性拟合

学习笔记！

一、用最小二乘法进行线性拟合

给定一组数据

做拟合直线 p(x) = a + bx ,均方误差为

，

在微积分理论中，Q(a,b)的极小值要满足

整理成矩阵的形式：

这称为拟合曲线的法方程。

用消元法或克莱姆方法解出方程：

二、算例

数据集：

x= 13,15,16,21,22,23,25,29,30,31,36,40,42,55,60,62,64,70,72,100,130
y= 11,10,11,12,12,13,13,12,14,16,17,13,14,22,14,21,21,24,17,23,34

程序实现：

#线性拟合：y=a+bx
import numpy as np
x_array = np.array([13,15,16,21,22,23,25,29,30,31,36,40,42,55,60,62,64,70,72,100,130])#x_array,y_array是我们要拟合的数据
y_array = np.array([11,10,11,12,12,13,13,12,14,16,17,13,14,22,14,21,21,24,17,23,34])
m = len(x_array) #方程个数

sum_x = np.sum(x_array)
sum_y = np.sum(y_array)
sum_xy = np.sum(x_array * y_array)
sum_xx = np.sum(x_array **2 )
a=(sum_y*sum_xx-sum_x*sum_xy)/(m*sum_xx-(sum_x)**2)
b=(m*sum_xy-sum_x*sum_y)/(m*sum_xx-(sum_x)**2)
print("p = {:.4f} + {:.4f}x".format(a,b))

输出结果：p = 8.2084 + 0.1795x

数据可视化展示：