第四讲 拟合算法

与插值问题不同，在拟合问题中不需要曲线一定经过给定的点。拟合问题的目标是寻求一个函数（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）

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)

证明SST = SSE + SSR,条件是

（当不等的时候不用R2)，那何时不用R2（即不是线性函数的时候）
线性函数是对参数为线性，

也可以用matlab 的工具箱来拟合，更方便

常用的拟合方法还有：

左上角 文件 下 点击 generate code 生成代码

产生 随机数的函数

（1）randi : 产生均匀分布的随机整数
产生一个1至10之间的随机矩阵，大小为2x5；
s1 = randi(10,2,5);
%产生一个-5至5之间的随机矩阵，大小为1x10；
s2 = randi([-5,5],1,10);
（2） rand: 产生均匀分布的随机数
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);
（3）**normrnd:**产生正态分布的随机数
产生一个均值为0，标准差为2的正态分布的随机矩阵，大小为3x4；
s5 = normrnd(0,2,3,4);
（4）roundn—任意位位置四舍五入
a = 3.1415
roundn(a,-2) % ans = 3.1400
roundn(a,2) % ans = 0
a =31415
roundn(a,2) % ans = 3