《数值分析》李庆扬 03 曲线拟合的最小二乘法

本文介绍了数值分析中的曲线拟合方法——最小二乘法。通过对一系列测量点进行拟合,寻找一条光滑曲线,使得所有点到曲线的垂直距离平方和最小。讨论了如何选择合适的拟合曲线,并给出了相关公式和实例,适用于处理大量数据点的拟合问题。
摘要由CSDN通过智能技术生成

# 写于2021.01.05
# 教材《数值分析》 第五版 李庆扬 王能超 易大义
# 只总结了考试需要的内容:无加权的最小二乘的计算
# 总结不易 望赞鼓励

0 内容串联

1. 误差分析https://blog.csdn.net/wistonty11/article/details/111550700
2. 插值法:https://blog.csdn.net/wistonty11/article/details/112131217
3 曲线拟合的最小二乘法



1 相关知识

1.1 拟合

形象的说,拟合就是把平面上一系列的点,用一条光滑的曲线连接起来。

1.2 如何选择拟合曲线

已知 x1 … xm ; y1 … ym, 求一个简单易算的近似函数 P(x) 约等于 f(x)。

  • yi 本身是测量值,不准确,即 yi != f (xi),这时没必要取 P(xi) = yi 即本来值就产生误差,没必要非每点都过
  • 要使 P(xi) - yi 总体上尽可能小
    在这里插入图片描述
  • ②是不好算
  • 还有一种是直接相减的策略,这总策略之所以不好,是因为 一些数字偏很大A 一些-A(A很大)那么整体来看好像没怎么误差
  • 我们用③ 也就是最小二乘法

2. 相关公式

我个人理解:
就是有很多很多点 ,因为数量比较大,所以插值法就有点不合适,我们想画一条线 尽可能接近所有点的穿过,可以不穿过只是接近,因为本来也存在仪器误差 读书误差等等 ,这穿过的线叫拟合,那么怎么评判这线优虏,就需要一种策

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

羊老羊

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值