【计算方法】曲线拟合-最小二乘拟合

曲线拟合

综述

为什么要曲线拟合呢。由于我们的数据总归是有限的，我们无法做到我们的模拟出来的数据满足每个点，因而我们需要做的是拟合出这样一条曲线，使它的代价最小即可。其实这和机器学习很像，该拟合也可以用正规方程来解的。

误差分析

公式推导

而在运用来求拟合直线时，我们可以这么看待公式

指数函数的拟合

这里指数函数的底数默认为e
在处理如y=Ce^ax形式的指数时，我们可以取对数，将式子写作lny=ax+lnc，那么我们令Y=lny，b=lnc即可写作拟合直线的式子Y=ax+b，这是再将我们的数据进行线性化为(x,lny)即可按照拟合直线的方法来做了。

例题

【问题描述】根据N个数据点构造最小二乘拟合直线y=ax+b。
【输入形式】在屏幕上依次输入数据点的个数N，和N对数据点的x和y坐标。
【输出形式】输出最小二乘拟合直线y=ax+b和误差。
【样例1输入】
8
-1 10
0 9
1 7
2 5
3 4
4 3
5 0
6 -1
【样例1输出】
y=-1.60714x+8.64286
1.18019
【样例1说明】
输入：有8对数据点，后续每行是一对数据点的x和y坐标。
输出：最小二乘拟合直线为y=-1.60714x+8.64286，误差（norm2范数，即欧式距离）为1.18019，如果有多位小数，则保留6位有效数字。
【评分标准】根据输入得到的输出准确

ACcode：

'''
Author