在插值算法中我们学习到,想要得到插值,我们需要将拟合的函数通过所有的的样本点,但是当样本点的数量n过高时,会出现龙格效应,函数图像波动极大
由此我们引申而来拟合算法,拟合一条曲线不需要通过所有的样本点,只需要保证误差足够小,我们便承认这条曲线的准确性
比如这个例子:
即,我们需要根据散点拟合出一条最为接近,误差最小的曲线的曲线,我们便用这条曲线以预测某些插入点的位置
最小二乘法的几何解释
最小二乘法以判断拟合的函数是否满足要求
arg 是'参数' , argmax(f(x))/argmin(f(x))即参数f(x)最大/参数f(x)最小
注意这里要加绝对值,如果不加绝对值,得到的结果会相互抵消,导致结果不准确
如何评价拟合的好坏