n次多项式拟合

n次多项式拟合

一、用最小二乘法进行n次拟合原理

给定一组数据

作n次拟合曲线 ，转化为均方误差

的极小问题。

得到法方程：

，其中

解法方程得到a0，a1,...,an.

注意：当拟合多项式阶数n>5时，法方程的系数矩阵时病态的。

二、算例

数据集：

x = -3,-2,-1,0,1,2,3
y = 4,2,3,0,-1,-2,-5

程序实现：

#n次拟合曲线：y=a0+a1x+a2x^2+...+anx^n
import numpy as np
x_array = np.array([-3,-2,-1,0,1,2,3])
y_array = np.array([4,2,3,0,-1,-2,-5])
n = 2 #方程的次数（n<5）
m = len(x_array)#方程个数

A = np.ones(m).reshape((m,1))
for i in range(n):
    A = np.hstack([A,(x_array**(i+1)).reshape((m,1))])

from numpy.linalg import solve 
X = solve(np.dot(A.T,A),np.dot(A.T,y_array.T))
print(X)


##########################################
#### Added by author on 20240402 #########
##########################################

x_list = []
y_list = []
for xi in np.arange(-10, 10,  0.1):
    x_list.append(xi)
    yi = X[0] + X[1]*xi + X[2]*xi*xi
    y_list.append(yi)
    
import matplotlib.pyplot as plt
plt.close()
plt.scatter(x_array, y_array)

text = "y={:.4f}+{:.4f}x+{:.4f}x^2".format(X[0], X[1], X[2])
plt.plot(x_list, y_list, color='green', label = text)
plt.legend(loc="upper right", frameon=False)

plt.grid()
plt.show()

输出结果：[ 0.66666667 -1.39285714 -0.13095238]

结果可视化：

结果可视化代码已添加。