多项式拟合缺点_多项式拟合

在网上看别人的心得

一 最小二乘法的基本原理

从整体上考虑近似函数同所给数据点(i=0,1,…,m)误差(i=0,1,…,m)的大小，常用的方法有以下三种：一是误差(i=0,1,…,m)绝对值的最大值，即误差 向量的∞—范数；二是误差绝对值的和，即误差向量r的1—范数；三是误差平方和的算术平方根，即误差向量r的2—范数；前两种方法简单、自然，但不便于微分运算 ，后一种方法相当于考虑 2—范数的平方，因此在曲线拟合中常采用误差平方和来 度量误差(i=0，1，…，m)的整体大小。

数据拟合的具体作法是：对给定数据 (i=0,1,…，m)，在取定的函数类中,求,使误差(i=0,1,…,m)的平方和最小，即

=

从几何意义上讲，就是寻求与给定点(i=0,1,…,m)的距离平方和为最小的曲线(图6-1)。函数称为拟合 函数或最小二乘解，求拟合函数的方法称为曲线拟合的最小二乘法。

在曲线拟合中，函数类可有不同的选取方法.

6—1

二 多项式拟合

假设给定数据点(i=0,1,…,m)，为所有次数不超过的多项式构成的函数类，现求一,使得

(1)

当拟合函数为多项式时，称为多项式拟合，满足式(1)的称为最小二乘拟合多项式。特别地，当n=1时，称为线性拟合或直线拟合。

显然

为的多元函数，因此上述问题即为求的极值 问题。由多元函数求极值的必要条件，得

(2)

即

(3)

(3)是关于的线性方程组，用矩阵表示为

(4)

式(3)或式(4)称为正规方程组或法方程组。

可以证明，方程组(4)的系数矩阵是一个对称正定矩阵，故存在唯一解。从式(4)中解出(k=0,1,…，n)，从而可得多项式

(5)

可以证明，式(5)中的满足式(1)，即为所求的拟合多项式。我们把称为最小二乘拟合多项式的平方误差，记作

<