数值计算（二）之插值法与线性回归（拉格朗日插值法，牛顿插值法，赫米特插值法，最小二乘法）

插值法

插值法主要解决的问题就是，用一个多项式函数来逼近原函数，或者用多项式函数来拟合离散数据，在计算机图形的处理中，插值法应用广泛

插值法基本的有两种，拉格朗日插值法和牛顿插值法

还有一种要求更为严格的差值方法赫米特（Hiemite）插值法

插值法用多项式来逼近原函数，可以证明给定N个插值节点，只能构造唯一的，最高次不高于n的差值多项式

一般我们可以使用待定系数法，列出若干个方程，来求解系数，得到差值多项式。

拉格朗日插值法则构造一个差值基函数，保证这一部分在X取X0的时候等于1，在其他的时候等于0，不让其他的点干扰

基本形式为

插值基函数为

牛顿插值法则是引入差商的概念

关于差商的计算，我们可以使用递推的方式

最后牛顿插值法的基本形式为

拉格朗日插值法不具有承袭性，当增加了一个新的插值节点，我们需要全部重新计算

而牛顿插值法，改进了这一点，以上情况出现时，只需要在后面增加多一项即可。

拉格朗日插值法

double Lagrange(double *p,int n,double x)
{//P是插值节点数组，n是插值节点格式，x是自变量的取值int i,j,k;double numerator,denominator,ans;ans=0;//numerator分子，denominator分母for(k=0;k<n;k++){numerator=1;denominator=1;for(i=0;i<n;i++){if(i!=k){numerator*=(x-(*(p+i*2)));denominator*=( (*(p+k*2)) - (*(p+i*2)) );}//求插值基函数值elsecontinue;}//End for-ians=ans+( (numerator/denominator) * (*(p+k*2+1)) );//插值基函数*函数值Yi}//End for-kreturn ans;
}

牛顿插值法

double Newton(double *p,int n,double x)
{//P是插值节点数组，n是插值节点格式，x是自变量的取值int i,j,k;double numerator,denominator,ans=0;double *np=(double *)malloc(n*sizeof(double));//用以保存差商//使用滚动数组保存插值，节约存储空间double ny=(x-(*p));//x-x0for(i=0;i<n;i++)//差商数组初始化*(np+i)= *(p+i*2+1);ans=(*(np+n-1));//一阶差商即为函数值for(k=1;k<n;k++){for(i=n-1;i>=k;i--){//从后往前求差商，保存在np数组内numerator=( *(np+i-1) ) - ( *(np+i));denominator=( *(p+(i-k)*2)) - ( *(p+i*2) );*(np+i)=(numerator/denominator);}//End for-ians+=(*(np+n-1))*ny;ny*=(x-(*(p+k*2) ));//累乘(x-xi)的结果}//End for-kreturn ans;
}

Hiemite插值法

赫米特插值法在前两种插值法的基础上，不仅要求在插值节点处函数值相同，而且导数值也相同，比较常见的就是二点三次插值，即给定两个插值节点和函数值和一个点的导数值

基本形式为

赫米特插值法

double Hiemite(double *p,int n,double x)
{//p表示插值节点，n表示插值节点个数，x是自变量的取值//p是一个三维数组，第一维为X，第二维度为y，第三维度为导数值y′int i,j,k;double ans=0;double numerator,denominator;//前者为分子，后者为分母double *lx=(double *)malloc(n*sizeof(double));//记录插值基函数的平方double *ax=(double *)malloc(n*sizeof(double));//记录系数αdouble *bx=(double *)malloc(n*sizeof(double));//记录系数βfor(k=0;k<n;k++){numerator=1;    denominator=1;for(i=0;i<n;i++){if(i!=k){numerator*=(x- (*(p+i*3)));denominator*=(*(p+k*3) - *(p+i*3));}//End if}//End for-i*(lx+k)=(numerator)/(denominator);*(lx+k)=pow( (*(lx+k)) ,2);//求插值基函数的平方*(ax+k)=1-2*( (x-(*(p+k*3))) / (*(p+k*3) - *(p+((k+1)%2)*3) ) );*(bx+k)=(x-( *(p+k*3) ));ans+=(*(p+k*3+1)) * (*(ax+k)) * (*(lx+k));//Yi*αi*Li^2ans+=(*(p+k*3+2)) * (*(bx+k)) * (*(lx+k));//Y′i*βi*Li^2}//End for-kreturn ans;
}

最小二乘法

二乘法是为了在一系列离散点中找到一条曲线，最好地拟合这些点

为了达到最好的拟合效果，我们使其曲线的残差平方和最小

最小二乘法

double Fitting(double *p,int n)
{int i,j,k;double b,a;double ans[4]={0};double *m=(double *)malloc(2*3*sizeof(double));for(i=0;i<n;i++){//用X,Y,x*x,x*y的累加和ans[0]+=(*(p+i*2));//保存Xi求和结果ans[1]+=(*(p+i*2+1));//保存Yi求和结果ans[2]+=( (*(p+i*2)) * (*(p+i*2)) );//保存Xi*Xi求和结果ans[3]+=( (*(p+i*2)) * (*(p+i*2+1)) );//保存Xi*Yi求和结果}//End for-i*(m+0)=n;   *(m+1)=ans[0];   *(m+2)=ans[1];//第一个方程组的系数*(m+3)=ans[0];  *(m+4)=ans[2];  *(m+5)=ans[3];//第二个方程组的系数//以下过程模拟解方程的过程for(i=0;i<3;i++){//i循环两个方程组的三个系数*(m+i)/=n;//第一个方程组左右两边除以N*(m+i+3)-=( ans[0] * ( *(m+i) ) );//模拟第一个方程组乘以Xi的累加和后消去a的过程}b= ( *(m+5) )/( *(m+4) );//a消去以后直接求ba= ( (*(m+2))-( b*(*(m+1))) ) /(*m);//带入第一个方程组中求出aprintf("b=%lf a=%lf\n",b,a);printf("线性拟合的结果为Y=%lfX",b);a<0?printf("%lf\n",a):printf("+%lf\n",a);
}

数值计算（二）之插值法与线性回归（拉格朗日插值法，牛顿插值法，赫米特插值法，最小二乘法）相关推荐

理解插值法（拉格朗日、牛顿插值法）
引言我们首先理解下插值法主要用来做什么事:插值法就是利用已知的点建立合适的插值函数 f ( x ) f(x) f(x) ,未知点 x i x_i xi 由插值函数 f ( x ) f(x) f(x ...
吴恩达机器学习系列理论加实践(二、单变量线性回归及matlab实践)
二.单变量线性回归 2.1模型表示同样以之前的房屋价格预测实例开始: 通过学习算法利用训练集训练模型h,对于新输入的数据size of house就可以输出其预测值price: 如何表达这个模型h: ...
C#实现拉格朗日、牛顿、Hermite插值
拉格朗日.牛顿插值法初始时需要至少两个参考坐标点,在参考点的基础之上构造插值函数y=f(x),然后由插值函数确定需要求解的x坐标的函数值.相较于拉格朗日插值,牛顿插值公式更加复杂,但是在增加一个参考 ...
函数插值的python实现——拉格朗日、牛顿插值
函数插值的python实现--拉格朗日.牛顿插值 1. 拉格朗日(Larange)插值实现代码 2. 牛顿(Larange)插值 2.1 牛顿插值多项式的基本形式 2.2 牛顿均差插值多项式 (1) ...
拉格朗日插值的优缺点_拉格朗日与牛顿插值法的比较
第 1 页共 7 页拉格朗日插值法与牛顿插值法的比较一. 背景在工程和科学研究中出现的函数是多种多样的.常常会遇到这样的情况:在某个实际问题中,虽然可以断定所考虑的函数 ) ( x f 在区 ...
拉格朗日插值法matlab上机,拉格朗日插值法使用MATLAB做的例题
<拉格朗日插值法使用MATLAB做的例题>由会员分享,可在线阅读,更多相关<拉格朗日插值法使用MATLAB做的例题(2页珍藏版)>请在人人文库网上搜索. 1.一物体廓线数据如下 ...
使用拉格朗日多项式(Lagrangian polynomials)的插值法(python,数值积分)
第三十五篇拉格朗日多项式插值插值多项式首先考虑一个函数的推导,该函数精准地通过一系列np离散数据点.虽然有无限多的函数具备这个条件,但我们将专注于最简单的一个,一个n阶多项式,其中n = np− ...
插值法补齐缺失数据_缺失数据处理-插值法
缺失数据处理-插值法在数据挖掘中,原始海量的数据中存在着大量不完整.不一致.有异常.偏离点的数据.这些问题数据轻则影响数据挖掘执行效率,重则影响执行结果.因此数据预处理工作必不可少,而其中常见工作的 ...
插值法在计算机中的应用,常见的插值法及其应用.pdf
常见的插值法及其应用 2006 年 6 月郧阳师范高等专科学校学报 J un . 2006 第 26 卷第 3 期 J ournal of Yunyang Teacher s College Vol ...
【Machine Learning 二】单变量线性回归，代价函数，梯度下降
吴恩达机器学习笔记整理--单变量线性回归通过模型分析,拟合什么类型的曲线. 一.基本概念 1.训练集由训练样例(training example)组成的集合就是训练集(training set), ...

数值计算（二）之插值法与线性回归（拉格朗日插值法，牛顿插值法，赫米特插值法，最小二乘法）

插值法

数值计算（二）之插值法与线性回归（拉格朗日插值法，牛顿插值法，赫米特插值法，最小二乘法）相关推荐

最新文章

热门文章