最简单单变量多项式回归

机器学习课程一般从线性回归开始，可以由线性回归思想解决单变量多项式的拟合问题，本文章使用最小二乘法实现了PRML书籍中的第一个实例，对于训练集trainSet以及标签label为训练样本，使用order次多项式拟合数据的matlab函数如下

function weight = oneDimensionRegression( trainSet,label,order )
%ONEDIMENSIONREGRESSION 此处显示有关此函数的摘要
%   此处显示详细说明
S=size(trainSet);
X=zeros(S(1),order+1);

for ii=1:order
    X(:,ii)=(trainSet.^ii)';
end
X(:,order+1)=1;
weight=(X'*X)\X'*label;
end

使用如下程序拟合9次多项式

clc;
clear;
x=(0:0.1:1)';
y=sin(2*pi*x);
z=normrnd(0,0.2,length(x),1);
z=y+z;
x1=(0:0.01:1)';
y1=sin(2*pi*x1);

w=oneDimensionRegression(x,z,9);
qianru=x1;
qianru(:)=1;
xx=[x1 x1.^2 x1.^3 x1.^4 x1.^5 x1.^6 x1.^7 x1.^8 x1.^9 qianru];
out=xx*w;
plot(x1,y1,'r',x,z,'b^',x1,out,'k');

legend('真实结果',&