李航《统计学习方法》多项式函数拟合问题V2

本文针对李航《统计学习方法》中的一项多项式函数拟合问题进行纠正,指出书中推导错误,并提供正确的推导过程。通过Python编程验证,展示了错误公式导致的拟合效果不佳。文章提供了高效的Python代码实现,包括3阶和9阶多项式拟合,对比展示原始数据生成函数与拟合函数的效果。
摘要由CSDN通过智能技术生成

最近在看李航的统计学习方法P11时发现一个多项式函数拟合问题觉得公式的推导有问题,于是看了一些资料发现这里的推倒是有错误的,用python编程验证后发现按书上的求导结果拟合后的函数图像完全不对,下面给出正确的推导结果和对应的python实现与拟合效果。

(第一次写了一版这篇博客,公式自己敲的,但是从别人那里贴的代码,后面感觉那个代码思路没问题,但就是进行了很多次重复计算,数据量大的时候效率低,而且很多地方对python的语言特性利用不足,写的有点类似C语言风格,比较晦涩。于是乎,把代码重写了一次,准备把文章撤下来重新贴自己的代码,这时候发现没有保存,前面用Tex敲的一堆公式就没了,心中顿时万马奔腾。。。。好在今天考试考完,强行克服拖延症把这篇文章重写一遍并附上重写的代码。)

下面开始正文

问题描述

假定给定一个训练数据集:

T={ (x1,y1),(x2,y2),,(xN,yN)}

其中, xiR 是输入 x 的观测值, yiR 是相应的输出y的观测值, i=1,2,,N ,多项式函数拟合的任务是假设给定数据由 M 次多项式函数生成,选择最有可能产生这些数据的 M 次多项式函数,即在 M 次多项式函数中选择一个对已知数据以及未知数据都有很好预测能力的函数。

M 次多项式为

fM(x,w)=w0+w1x+w2x2++wMxM=j=0Mwjxj

式中 x 式单变量输入,

评论 16
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
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