复习一下:
拟合:已知有限个数据点,求近似函数,不要求过已知数据点,只要求在某种意义下它在这些点上的总偏差最小。
拟合算法
曲线拟合问题的提法是,已知一组(二维)数据,即平面上的 n 个点(xi , yi ) ,i = 1,2,L,n , xi 互不相同,寻求一个函数(曲线) y = f (x) ,使 f (x) 在某种准则下与所有数据点最为接近,即曲线拟合得最好。
线性最小二乘法
拟合平方和最小, 称为最小二乘准则。线性最小二乘法是解决曲线拟合最常用的方法。
人们常用的曲线有:
直线 y = a1*x+a2
多项式 y = a1*x^m+...+am*x+am+1
双曲线(一支)y = a1/x+a2
指数曲线 y = a1*e^a2*x
对于指数曲线,拟合前需作变量代换,化为对 a1,a2 的线性函数。