第二天—第十章 曲线拟合

目录

1.线性函数拟合

2.曲线拟合

3.练习

---

1.线性函数拟合

使用函数polyfit（最小二乘法）：polyfit(x,y,n)，其中n是多项式的次数，产生一个1行n+1列的矩阵p，进而可构造多项式。

对于函数y=m*x+b，即上述函数n=1时，m=p(1)，b=p(2)

• 平滑数据，即实际自变量，在拟合函数下，对应的因变量值
• 残差（用于了解拟合程度）：，其中是实际自变量，在拟合函数下，对应的因变量值，也即模型的近似值或预测值，是实际数据的因变量值
• 数集与均值偏差的平方和：，实际因变量，为实际因变量的均值
• ，当越接近1，拟合越好。 

例如：

运行结果：

图像：

p，m，b的值：

 w的值：

误差：

 

2.曲线拟合

• RMS误差：，其中Ti为准确值，Ai为模型的近似值或预测值

例如：

线性拟合：

运行结果：

曲线拟合：

运行结果：

上述比较可知：曲线拟合的程度比线性拟合的程度好，RMS误差减少一半，但并不一定次数越大，拟合越好，具体问题具体分析 。

3.练习

运行结果：