拟合算法

        寻求一个函数，使得该函数曲线在某种准则下与所有的数据最为接近（拟合最好，最小化损失函数）。

        拟合的曲线不一定要经过给定的点，拟合的结果是得到一个确定的曲线。

---

确定拟合曲线

        最小二乘法：用第二种定义，好求导。

让真实值-拟合值的和最小

上方argmin：即使函数最小时的参数k，b。

函数分别对k和b求导=0，找极小值。 

为什么用第二种定义：

        绝对值不好求导；

        奇次方误差正负相抵；

        四次方可能有极端数据影响拟合曲线；

最小二乘法得到的结果和极大似然估计一致。

---

  MATLAB求解最小二乘

        把表达式用matlab写出来，计算出k，b，生成一组xx，yy=k*xx+b画出拟合曲线。或者用匿名函数画图。

拟合优度（可决系数R^2）

只能用于对参数线性的函数拟合结果的评价，主要看SSE。

拟合的函数：

y_hat = k*x + b

判断拟合的好坏：

        总体平方和SST：（真实值-平均值）平方的和

sum((y-mean(y)).^2)%mean()求均值

        误差平方和SSE：（真实值-拟合值）平方的和

sum((y_hat-y).^2)

        回归平方和SSR：（拟合值-平均值）平方的和

sum((y_hat-mean(y)).^2)

        SST=SSR+SSR

拟合工具箱cftool

APP里面的Curve Fitting

Curve Fitting

Fit name数据

x自变量

y因变量

z二元函数的因变量

SSE
R-square:R^2

自定义拟合函数：Custom Equation，计算函数预测要将原公式的乘除改成点乘点除。

        Fit Options设置参数（范围）可以调整拟合的精度

生成代码：文件-Generate Code

        直接复制函数后面的部分到主代码中即可调用。

保存图像：文件-Print to Figure