前言
最小二乘法是一种数学优化技术,它通过最小化误差的平方和寻找数据的最佳函数匹配,最小二乘法可用于曲线拟合。
Some Optimization Models 部分优化模型
1.Least Squares Data Fitting 最小二乘数据拟合
假设在一个模型中,两个变量之间的关系由一个二次函数控制:
![在这里插入图片描述](https://img-blog.csdnimg.cn/20210225172622221.png)
我们需要使用一些实验数据(t1,b1),(t2,b2),…,(tm,bm)来确定x1,x2 和 x3
![在这里插入图片描述](https://img-blog.csdnimg.cn/20210225174353629.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MzY4MzYy,size_16,color_FFFFFF,t_70)
通常我们在模型中收集的数据点比变量的数量要多。预计每一次测量都会有误差。例如,如果我们也有(t4,b4) =(7,−15);如果我们使用前三个数据点来确定(x1,x2,x3)和