本文主要是演示一下CVX工具箱的基本用法,用它来求解一个十分简单的线性拟合:
y
=
A
x
+
b
y=Ax+b
y=Ax+b问题有点大材小用之嫌。但这毕竟这是一个基础嘛,哈哈!
首先我们用优化的思路来考虑一下这个问题,拟合这条直线其实就是来找一个最合适的
A
A
A和
b
b
b,来使得
m
i
n
∥
y
−
A
x
−
b
∥
1
min{{ \left\Vert {y-Ax-b} \right\Vert }\mathop{{}}\nolimits_{{1}}}
min∥y−Ax−b∥1,这样就变为了一个十分简单的无约束优化问题。接下来我们用Matlab来实现一下:
1、我们假设待拟合的直线真值为:
y
=
2
x
+
5
y=2x+5
y=2x+5,生成一组数据,同时附加一些在[-0.5,0.5]区间内的随机数作为误差
x = [0 1 2 3 4 5]';
y = [5 7 9 11 13 15]';
y = y + rand(length(x),1) - 0.5;
2、使用CVX工具箱来求这个问题,待优化的变量就是A和b
cvx_begin
variable A
variable b
minimize( norm( y-(A*x+b)) );
cvx_end
3、绘图来看一下优化结果怎么样
hold on
plot(x,y,'blue')
plot(x,A*x+b,'red')
legend('True','Optimize')
结果图如下
4、可能现在对结果还是有些不放心,没关系,下面用最小二乘方法来验证一下,原理就不在赘述了,直接上代码
B = [x ones(length(x),1)];
xx = inv(B'*B) * B' * y;
A = xx[1]; b = xx[2]
5、对比一下结果输出,CVX求出的结果:
A
=
1.9249
,
b
=
5.2274
A=1.9249,b=5.2274
A=1.9249,b=5.2274
LSQ方法的结果:
A
=
1.9249
,
b
=
5.2274
A=1.9249,b=5.2274
A=1.9249,b=5.2274
两者的结果是完全一样的,与真值的差距不大,因为毕竟是加了误差嘛,不可能是完全一样的。
PS:由于使用了随机数函数rand
,所以每次运行结果不会是完全一样的,这一点不用担心