MATLAB解决线性最小二乘拟合

本博文源于MATLAB建模，拟合问题是指给定平面上n个点$(x_i,y_i)(i=1,...,n)$寻求一个函数（曲线）y=f(x)，使f(x)在某种准则下与所有数据点最为接近。而问题首要关键的是确定f(x)表达式的形式，一般我们会有两种方法：1、根据机理模型确定f(x)比如人口问题，2、根据画图来确定。而本文就以一道例题来告诉大家MATLAB如何做线性最小二乘拟合。

一、问题再现

问题已经给出$(x_i,y_i)$，那么我们先要画出散点图看一看性态

二、散点图绘制

>> x = 0:0.1:1;
>> y = [-0.447,1.978,3.28,6.16,7.08,7.34,7.66,9.56,9.48,9.30,11.2];
>> plot(x,y,'rp')
>> 

问题上说我们要配二次多项式，那么我们就要根据线性最小二乘法原理进行求解

三、线性最小二乘法核心原理

图形只是让我们看见它的形态，我们最重要确定
$$f(x)=a_1{x}^2+a_{2}x+a_3$$
中$a_1,a_2,a_3$，根据线性最小二乘法原理

上面这一张图最关键a左除y。和心原理就在于构建R和y。

三、构建R和y求解

>> x = 0:0.1:1;
>> y = [-0.447,1.978,3.28,6.16,7.08,7.34,7.66,9.56,9.48,9.30,11.2];
>> R=[(x.^2)',x',ones(11,1)];
>> A = R\y'

A =

   -9.8108
   20.1293
   -0.0317

>> 

我们计算得出$$\begin{gathered} A=[-9.8108,20.1293,-0.0317] \\ f(x)=-9.8108x^2+20.1293x-0.0317 \end{gathered}$$
计算出来之后，我们不要忘记画图进行验证，看看效果！

四、画图验证

效果不错，符合整体形态

>> x = 0:0.1:1;
>> y = [-0.447,1.978,3.28,6.16,7.08,7.34,7.66,9.56,9.48,9.30,11.2];

>> plot(x,y,'rp')
>> R=[(x.^2)',x',ones(11,1)];
>> A = R\y'

A =

   -9.8108
   20.1293
   -0.0317


>> y1 = -9.8108*x.^2+20.1293*x-0.0317;
>> plot(x,y,'rp',x,y1)
>> 

五、总结

在数据建模中，画图是一种最为直观了解数据的方法，通过对图形观察找到合适函数，进而解决问题，在现实问题中，我们进行求解不仅要做求解还需要假设检验等。这是本文欠缺的，但本文较为直观的给出一般线性最小二乘拟合的MATLAB实现，是一个不可多得好文章，希望未来静下心来学习，大智若愚，求知若渴。