线性规划下的直线拟合

最新推荐文章于 2022-04-04 16:06:17 发布

有时间也不简史

最新推荐文章于 2022-04-04 16:06:17 发布

阅读量698

点赞数

分类专栏：算法文章标签：概率论 html5 算法

本文链接：https://blog.csdn.net/u010050735/article/details/120222752

版权

前言

在我上一篇博文《散点图下基于切比雪夫（Chebyshev）近似准则拟合直线》，介绍了如何用三点极小化最大残差的方法去拟合直线。该直线满足切比雪夫准则。本篇文章主要介绍如何用线性规划去拟合直线，该结果也满足切比雪夫准则，同时也证明了我上一篇博文的正确性。

线性规划

给定散点对(X,Y)，假设拟合的直线 $y_{i}=ax_{i}+b$ , $i=0,1,2,3,...$ 满足切比雪夫准则。则存在最大残差 $r_{max}>0$ ，使得 $r_{max}-\left | y_{i}-ax_{i}-b \right |\geqslant 0$ 。于是每一个点，我们有方程组：

$\left\{\begin{matrix} r_{max}-(y_{i}-ax_{i}-b)\geqslant 0\\ r_{max}+(y_{i}-ax_{i}-b)\geqslant 0 \end{matrix}\right.$

给它取个负号，即两边同时乘以-1：

$\left\{\begin{matrix} y_{i}-ax_{i}-b-r_{max}\leqslant 0\\ ax_{i}-r_{max}-y_{i}+b\leqslant 0 \end{matrix}\right.$

很明显，有多少个点，就有多少的方程组对。这是个线性规划问题，而我们的目的就是要求此线性规划使得 $Min(r_{max})$ 成立的解。

松弛变量

此时，我们给方程组加上一个松弛变量，让其不等式变成等式：

$\left\{\begin{matrix} y_{i}-ax_{i}-b-r_{max}+z_{i0}=0\\ ax_{i}-r_{max}-y_{i}+b+z_{i1}=0 \end{matrix}\right.$

其中 $z_{i0},z_{i1}$ 就是松弛变量(relaxation variables)，且 $z_{i0},z_{i1}\geqslant 0$ 。

现在，我们有变量 $(a,b,r_{max}),(z_{00},z_{01},z_{10},z_{11},...z_{n0},z_{n1})$ 。其中 $(a,b,r_{max})$ 是我们要求的。同时，它也说明，我们至少需要三个方程来求解。

代数法求解

最低0.47元/天解锁文章

有时间也不简史

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
线性规划下的直线拟合

前言在我上一篇博文《散点图下基于切比雪夫（Chebyshev）近似准则拟合直线》，介绍了如何用三点极小化最大残差的方法去拟合直线。该直线满足切比雪夫准则。本篇文章主要介绍如何用线性规划去拟合直线，该结果也满足切比雪夫准则，同时也证明了我上一篇博文的正确性。线性规划给定散点对(X,Y)，假设拟合的直线,满足切比雪夫准则。则存在最大残差，使得。于是每一个点，我们有方程组：给它取个负号，即两边同时乘以-1：...
复制链接

扫一扫