高斯消元法解多项式回归

最新推荐文章于 2022-12-17 10:57:35 发布

automator

最新推荐文章于 2022-12-17 10:57:35 发布

阅读量833

点赞数 2

本文链接：https://blog.csdn.net/weixin_55160419/article/details/117233305

版权

本文介绍了如何运用高斯消元法解决单特征量、单输出值数据集的多项式回归问题。通过构建损失函数，找到使损失函数达到极小值的参数，进而求解线性方程组。然而，这种方法存在局限性，如需要线性方程组有唯一解，大数据量下效率较低，以及需要预先设定多项式阶数。

摘要由CSDN通过智能技术生成

问题背景：给定一个单特征量、单输出值的数据集，找到一个拟合效果最佳的多项式关系 $y=\Theta0+\Theta1x^1+\Theta2x^2+...+\Theta m x^m$ ，并预测其趋势。

基本思路：用预测值与真实值的差方和来表征多项式的拟合效果，称为损失函数，损失函数极值点即为最佳拟合效果的参数，而多元函数的极值点可以通过求偏导并联立方程组解得。

具体过程：1.求损失函数偏导，得到线性方程组：

void ini()
{
	for (int i=1;i<=30;i++)
	   for (int j=0;j<=5;j++)
	      power[i][j]=fastpower(i,j);	
	for (int i=1;i<=m+1;i++)					//系数矩阵为对称阵，还可以优化 
	   for (int j=1;j<=m+1;j++)
	      {
	          A[i][j]=0;
			  for (int k=1;k<=n;k++)