本文介绍了数值拟合的基本概念，特别是线性最小二乘法，通过解决线性方程组求得拟合系数。讨论了如何用MATLAB的polyfit函数进行数据拟合，并给出了示例。
1 常用数值拟合
对给定的实验数据点 ( x i , y i ) \left( x _ { i } , y _ { i } \right) (xi,yi)(i=1,2…N),可构造m次多项式：
P ( x ) = a 0 + a 1 x + . . . + a m x m P(x)=a_{0}+a_{1}x+...+a_{m}x^{m} P(x)=a0+a1x+...+amxm(m<N)
由曲线拟合的定义，应该使得下式取极小值：
∑ i = 1 N [ ∑ j = 0 m a j x i j − y i ] 2 \sum _ { i = 1 } ^ { N } \left[ \sum _ { j = 0 } ^ { m } a _ { j } x _ { i } ^ { j } - y _ { i } \right] ^ { 2 } i=1∑N[j=0∑majxij−yi]2
通过简单的运算可得出系数是下面线性方程组的解：
[ c 0 c 1 ⋯ c m c 1 c 2 ⋯ c m + 1
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
