一、线性最小二乘拟合
使用一个简单函数在整体上逼近已知函数,使其在整体上尽可能与原始数据曲线近似。记为:
称之为拟合曲线
,若该函数为插值多项式,则所有偏差为零。
但实际情况中,我们不可能要求近似曲线
y =
严格通过这么多数据点。但为了使其尽可能反映所给数据的变化趋势,我们可以要求偏差的绝对值尽可能小,甚至是所有偏差中的最大值尽可能小。我们可以通过使选取的近似曲线在节点xi 处的偏差的平方和达到最小来实现这一目标,这一原则就是 最小二乘原则。
按最小原则选择的拟合曲线就称为最小二乘拟合曲线,此方法称为最小二乘法。
实用公式推导:
假设我们此处有这样一组数据点,这些点的分布接近于在一条直线上,因此选一条直线(一条曲线则加入对应方程推导)来拟合这组数据,令:
根据最小二乘原则,有:
令a0,a1为未知数,则此处转换为求二元函数S(a0,a1)的极小点问题: