数学建模的拟合算法

一、为什么要用到拟合算法

在一些插值算法不好用的情况下比较适合用拟合算法。就比如一些样本点过多的情况下，通过插值算法可以得到一个多项式经过所有样本点，但是样本点过多，那么这个多项式次数会过高，造成龙格现象，导致精确度下降。分段虽然可以让精度变高但是解析式会很复杂。

所以要用到拟合算法，拟合算法可以得到一个确定的曲线，这条曲线不一定会经过每一个样本点但可以保证误差足够小，和样本点足够接近，曲线比较简单。所以在样本点过多的时候不建议用插值算法。

 

上面这幅图如果用插值算法会得到下面这条曲线，解析式会很复杂

 

二、怎么拟合

 

设曲线解析式为      

y=kx+b

求得k，b使样本点与曲线上的点最接近

第一种

 

第二种

 

第三种

 

第四种

 

求得k，b使argmin中的函数最小，通过求导的方法来求出k，b。第一种因为有绝对值找最小值不好用求导的方法找，第三种因为会有负数不采用，第四种对一些异常值（偏离很大的）会使曲线误差大。

三、用最小二乘法求得拟合曲线

 

 

四、如何判断拟合好坏

判断拟合好坏用，拟合优度。

 

线性函数这里指的是对参数为线性，参数仅以一次方的形式出现，不能乘或除其他参数。

如y=kx²+b就是对参数为线性，也是，因为可以转换为a=lny=kx²+b。

因为当对参数为线性时SST=SSE+SSR成立。

R²越接近一拟合不一定越好，因为拟合函数会越复杂。所以要R²越接近一时，要使函数简单。

本文参考清风老师的课件与思路。

【强烈推荐】清风：数学建模算法、编程和写作培训的视频课程以及Matlab等软件教学_哔哩哔哩_bilibili