最小二乘法多项式曲线拟合原理与实现--转
原文地址:http://blog.csdn.net/jairuschan/article/details/7517773/
概念
最小二乘法多项式曲线拟合,根据给定的m个点,并不要求这条曲线精确地经过这些点,而是曲线y=f(x)的近似曲线y= φ(x)。
原理
[原理部分由个人根据互联网上的资料进行总结,希望对大家能有用]
给定数据点pi(xi,yi),其中i=1,2,…,m。求近似曲线y= φ(x)。并且使得近似曲线与y=f(x)的偏差最小。近似曲线在点pi处的偏差δi= φ(xi)-y,i=1,2,...,m。
常见的曲线拟合方法:
1.使偏差绝对值之和最小
2.使偏差绝对值最大的最小
3.使偏差平方和最小
按偏差平方和最小的原则选取拟合曲线,并且采取二项式方程为拟合曲线的方法,称为最小二乘法。
推导过程:
1. 设拟合多项式为:
2. 各点到这条曲线的距离之和,即偏差平方和如下:
3. 为了求得符合条件的a值,对等式右边求ai偏导数,因而我们得到了:
.......
4. 将等式左边进行一下化简,然后应该可以得到下面的等式:
.......
5. 把这些等式表示成矩阵的形式,就可以得到下面的矩阵:
6. 将这个范德蒙得矩阵化简后可得到:
7. 也就是说X*A=Y,那么A = (X'*X)-1*X'*Y,便得到了系数矩阵A,同时,我们也就得到了拟合曲线。
实现
运行前提:
- Python运行环境与编辑环境;
- Matplotlib.pyplot图形库,可用于快速绘制2D图表,与matlab中的plot命令类似,而且用法也基本相同。
代码:
- # coding=utf-8
- '''''
- 作者:Jairus Chan
- 程序:多项式曲线拟合算法
- '''
- import matplotlib.pyplot as plt
- import math
- import numpy
- import random
- fig = plt.figure()
- ax = fig.add_subplot(111)
- #阶数为9阶
- order=9
- #生成曲线上的各个点
- x = numpy.arange(-1,1,0.02)
- y = [((a*a-1)*(a*a-1)*(a*a-1)+0.5)*numpy.sin(a*2) for a in x]
- #ax.plot(x,y,color='r',linestyle='-',marker='')
- #,label="(a*a-1)*(a*a-1)*(a*a-1)+0.5"
- #生成的曲线上的各个点偏移一下,并放入到xa,ya中去
- i=0
- xa=[]
- ya=[]
- for xx in x:
- yy=y[i]
- d=float(random.randint(60,140))/100
- #ax.plot([xx*d],[yy*d],color='m',linestyle='',marker='.')
- i+=1
- xa.append(xx*d)
- ya.append(yy*d)
- '''''for i in range(0,5):
- xx=float(random.randint(-100,100))/100
- yy=float(random.randint(-60,60))/100
- xa.append(xx)
- ya.append(yy)'''
- ax.plot(xa,ya,color='m',linestyle='',marker='.')
- #进行曲线拟合
- matA=[]
- for i in range(0,order+1):
- matA1=[]
- for j in range(0,order+1):
- tx=0.0
- for k in range(0,len(xa)):
- dx=1.0
- for l in range(0,j+i):
- dx=dx*xa[k]
- tx+=dx
- matA1.append(tx)
- matA.append(matA1)
- #print(len(xa))
- #print(matA[0][0])
- matA=numpy.array(matA)
- matB=[]
- for i in range(0,order+1):
- ty=0.0
- for k in range(0,len(xa)):
- dy=1.0
- for l in range(0,i):
- dy=dy*xa[k]
- ty+=ya[k]*dy
- matB.append(ty)
- matB=numpy.array(matB)
- matAA=numpy.linalg.solve(matA,matB)
- #画出拟合后的曲线
- #print(matAA)
- xxa= numpy.arange(-1,1.06,0.01)
- yya=[]
- for i in range(0,len(xxa)):
- yy=0.0
- for j in range(0,order+1):
- dy=1.0
- for k in range(0,j):
- dy*=xxa[i]
- dy*=matAA[j]
- yy+=dy
- yya.append(yy)
- ax.plot(xxa,yya,color='g',linestyle='-',marker='')
- ax.legend()
- plt.show()
运行效果:
转载于:https://www.cnblogs.com/davidwang456/articles/5582741.html
最小二乘法多项式曲线拟合原理与实现--转相关推荐
- 最小二乘法多项式曲线拟合原理与实现
概念 最小二乘法多项式曲线拟合,根据给定的m个点,并不要求这条曲线精确地经过这些点,而是曲线y=f(x)的近似曲线y= φ(x). 原理 [原理部分由个人根据互联网上的资料进行总结,希望对大家能有用] ...
- 最小二乘法多项式曲线拟合原理与实现(错误地方已经修改底层补充自己写的java实现)
目录(?) [-] 概念 原理 运行前提 代码 运行效果 概念 最小二乘法多项式曲线拟合,根据给定的m个点,并不要求这条曲线精确地经过这些点,而是曲线y=f(x)的近似曲线y= φ(x). 原理 [原 ...
- 最小二乘法多项式曲线拟合数学原理及其C++实现
目录 0 前言 1 最小二乘法概述 2 最小二乘法求解多项式曲线系数向量的数学推导 2.1 代数法 2.2 矩阵法 3 代码实现 4 总结 参考 0 前言 自动驾驶开发中经常涉及到多项式曲线拟合,本文 ...
- c++ 三次多项式拟合_最小二乘法多项式曲线拟合数学原理及其C++实现
本文使用 Zhihu On VSCode 创作并发布 0 前言 自动驾驶开发中经常涉及到多项式曲线拟合,本文详细描述了使用最小二乘法进行多项式曲线拟合的数学原理,通过样本集构造范德蒙德矩阵,将一元 N ...
- 最小二乘法多项式曲线拟合及其python实现
最小二乘法多项式曲线拟合及其python实现 多项式曲线拟合问题描述 最小二乘法 针对overfitting,加入正则项 python实现 运行结果 多项式曲线拟合问题描述 问题描述:给定一些数据点, ...
- 最小二乘法拟合多项式曲线原理
概念 最小二乘法多项式曲线拟合,根据给定的m个点,并不要求这条曲线精确地经过这些点,而是曲线y=f(x)的近似曲线y= φ(x). 原理 给定数据点pi(xi,yi),其中i=1,2,-,m.求近似曲 ...
- 基于自动分段最小二乘法对股票的多项式曲线拟合
基于自动分段最小二乘法对股票的多项式曲线拟合 摘 要 针对传统的分段最小二乘法确定分段步长时经验成分较多的不足,提出一种通过比较拟合优度,自动确定相对最优的步长.通过实际数据的验证,验证了此方法的拟合 ...
- 多项式曲线拟合最小二乘法
对给定的试验数据点(xi,yi)(i=1,2,--,n),可以构造m次多项式 数据拟合的最简单的做法就是使误差p(xi)-yi的平方和最小 当前任务就是求一个P(x)使得 从几何意义上讲就是寻求给与定 ...
- 多项式曲线拟合之最小二乘法推导
1.多项式曲线拟合之最小二乘法 1.1 问题来源 1801年,意大利天文学家朱赛普·皮亚齐发现了第一颗小行星谷神星.经过40天的跟踪观测后,由于谷神星运行至太阳背后,使得皮亚齐失去了谷神星的位置.随后 ...
最新文章
- python until语句_Python3 循环
- 杭电1280java实现
- 【C语言】控制台窗口图形界面编程(一)句柄和文本属性
- OpenFlow和SDN的历史和原理介绍
- 实战GraphQL+express+mysql项目完整demo
- 原生开发安卓/iOS,Visual Studio迎神器扩展
- 教师空间中html是指什么,教师空间个性签名
- 编写内核驱动加载工具
- 协程学习一:nty协程的设计原理及效率分析
- word文档通配符换行_Word应用分隔符的使用
- 国防科技大学计算机作品赛,信息学院教师在全国计算机类课程实验教学案例设计竞赛中获一等奖...
- 读博后降维打击数学建模!
- python实现GUI设计的方法
- AE开发中鹰眼的隐藏
- OpenHarmony如何控制屏幕亮度
- 驱动开发:内核层InlineHook挂钩函数
- 利用Vue的计算属性计算平均值总成绩
- SD卡启动tiny4412标准版(1306)的linux系统并挂载网络根文件系统
- 腾讯与NBA锁定五年独家合作
- 为什么有些程序员悄无声息渡过35岁中年危机
热门文章
- spring boot第八讲
- 微盘 计算机英语,高中英语,微盘.doc
- 剪切工具怎么用_原创度检测工具是怎么用的?优质的内容更容易获得平台推荐...
- jQuery 一次定时器_年薪百万之路--第五十一天 jQuery(上)
- linux 内核参数 杨,Linux 内核参数
- php 接受数组_PHP接收前端发送的数组
- 想学习linux服务器、做运维、部署项目的同学看这,linux部署
- CCF 2017年题目题解 - Python
- 37. Leetcode 100. 相同的树 (二叉树-二叉树性质)
- 论文笔记 Hierarchical Reinforcement Learning for Scarce Medical Resource Allocation