多项式曲线拟合 c语言6,多项式曲线拟合
利用多项式函数拟合数据点,多项式函数形式如下:
令
,
则多项式函数可化为线性代数形式:
为了评价拟合函数的优劣,需要建立损失函数,测量每个样本点目标值与预测值之间的误差,拟合的目标是让误差最小。计算误差时使用均方根误差
最小二乘法
为了取得误差函数的最小值,直接令函数的导数等于0,可以得到唯一解。此解称为解析解。
不带正则项的解析解
误差函数为:
对其求导得:
令导数等于0,得:
可以通过矩阵运算直接目标函数:W = (X.T * X).I * X.T * T
随着阶数越高,误差越小,但是过拟合越来越严重:
观察计算出来的W,会看到,阶数越高,多项式的系数越大的离谱
为了解决过拟合问题,可以增加样本数据,也可以加入正则项(惩罚项)
下图为9阶多项式在n = 15, 30, 60, 100时的拟合情况,可以看到曲线随着数据的增加拟合得越接近正弦曲线。
带正则项的解析解
误差函数变成:
这里的m+1为W中元素的个数,,主要是为了平衡高阶多项式项更多带来的影响,不加对下面W的求解也没有影响
,也就是正则系数,是一个超参数,需要设置一个较好的值才能得到较好的结果。这里取的是0.005
求导:
求出W:
同样可以直接由矩阵运算求得W = (X.T * X + lambda * np.eye(m+1)).I * X.T * T
由于加上了正则项,高阶多项式没有出现明显的过拟合
多项式系数的大小也较为正常:
最小二乘法看似简单,但是涉及到矩阵求逆运算,当数据规模较大时,矩阵求逆速度较慢,因此需要其他优化方法,如梯度下降法,共轭梯度法,牛顿法等。
梯度下降法
梯度下降法的原理可以看这篇文章:深入浅出--梯度下降法及其实现
拟合的目标时让误差函数值最小,也就是找函数图像的最低点,沿着曲线梯度的反方向一直走,一定会走到一个局部最低点,也就是局部最优解,在二次型,即为全局最优解。
def gradient(W, X, T):
'''在带正则项的最小二乘函数中计算W处的梯度'''
return (1 / X.shape[1]) * (X.T * X * W - X.T * T + lambd * W)
def gradient_descent(X, T: '目标值', learning_rate):
'''进行梯度下降的迭代'''
# 初始化W为全为0的列向量
W = np.mat(np.zeros(X.shape[1])).T
grad = gradient(W, X, T)
while np.all(np.absolute(grad) > 1e-9):
W = W - learning_rate * grad
grad = gradient(W, X, T)
return W
拟合的曲线与带正则项的解析解几乎一致
但是阶数越高,迭代的次数越多,速度越慢,进行十几万次迭代的时间约为十几秒
阶数
0
1
2
3
4
5
6
迭代次数
28
352
8337
93643
133747
160849
181179
共轭梯度法
该方法解决的是二次函数极值问题
其中Q为正定矩阵,本问题中
共轭梯度法每次沿着一个方向找到该方向的极小值,后面在沿着其他方向求极小值,由于寻找的方向两两共轭,后面的查找不会影响前面已经查找过的方向的最小值,理论上n次求极小值就可以得到n为问题的极小值。
共轭梯度法理解起来比较难,不过编程实现按步骤来就可以了:
def conjugate_gradient(X, T):
'''进行共轭梯度下降的迭代'''
Q = (1 / X.shape[1]) * (X.T * X + lambd * np.mat(np.eye(X.shape[1])))
W = np.mat(np.zeros(X.shape[1])).T
r = -gradient(W, X, T)
p = r
for i in range(1, X.shape[1]):
a = float((r.T * r) / (p.T * Q * p))
r_prev = r
W = W + a * p
r = r - a * Q * p
p = r + float((r.T * r) / (r_prev.T * r_prev)) * p
return W
共轭梯度法拟合的情况也很好,几乎与带正则项的解析解相同,并且速度要比梯度下降法快很多。
附:矩阵求导用到的公式有
(A为对称矩阵)
多项式曲线拟合 c语言6,多项式曲线拟合相关推荐
- PTA 基础编程题目集 7-18 二分法求多项式单根 C语言
PTA 基础编程题目集 7-18 二分法求多项式单根 C语言 二分法求函数根的原理为:如果连续函数f(x)在区间[a,b]的两个端点取值异号,即f(a)f(b)<0,则它在这个区间内至少存在1个 ...
- c语言构造插值多项式,拉格朗日多项式插值(C语言).docx
拉格朗日多项式插值(C语言) #include #include #include float lagrange(float *x,float *y,float xx,int n)/*拉¤-格?朗¤¨ ...
- 多项式乘积求导 c语言,c语言实现多项式求导.docx
c语言实现多项式求导 #include #include//动态申请空间的函数的头文件typedef struct node //定义节点类型{ float coef; //多项式的系数 int ex ...
- c语言7-1 多项式a除以b,多项式除以单项式优秀教案范文
单项式乘以多项式教学设计 基本信息 名称 单项式乘以多项式 教材分析 学情分析 执教者 孙晓东 课时 1 所属教材目录 华师大教材第十二章第二节第二课时 本节课的教学内容<单项式乘以多项式> ...
- 已知稀疏多项式C语言版,一元稀疏多项式计算器C语言课程设计
<一元稀疏多项式计算器C语言课程设计>由会员分享,可在线阅读,更多相关<一元稀疏多项式计算器C语言课程设计(26页珍藏版)>请在人人文库网上搜索. 1.学号2014-2015学 ...
- 求sinx的近似值 c语言,用C语言求多项式求sinx的近似值。
用C语言求多项式求sinx的近似值. 來源:互聯網 2010-12-22 19:59:48 評論 分類: 電腦/網絡 >> 程序設計 >> 其他編程語言 問題描述: 3.利 ...
- 多项式乘法c语言,急!!!!c语言:求n次多项式的加法和乘法
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 if(s->data.coef!=0.0) { s->data.expn=p->data.expn; r->next=s; r=s ...
- 多项式加法c语言数组解,急!!!!c语言:求n次多项式的加法和乘法
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 if(s->data.coef!=0.0) { s->data.expn=p->data.expn; r->next=s; r=s ...
- 线性表实现多项式相加c语言,用线性表实现多个多项式相加
今天开始想复习一下数据结构,就从线性表开始吧. 今天是用线性表实现多个多项式相加这个题目,自变量是x. 题目描述如下: 在数学上,一个一元多项式Pn(x)可按降幂写成:Pn(x) = pn x^n + ...
- matlab对多项式求导,matlab中多项式求导
1 0.5 0 -0.5 -1 -1.5 -2 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 4.对比用多项式函数的 polyder 函数及符号函数中的 diff 函数,求导 x2+2x ...
最新文章
- Linux 下 RMAN无反应问题处理
- java excel处理框架,Java三方—-excel框架之POI的使用一
- drools 7.11.0.Final使用
- html5 2d绘图,HTML5 canvas绘图
- voip和rtc_WebRTC与VoIP的对比
- 【从C到C++学习笔记】面向对象/抽象/封装/继承/多态
- opencv如何判断图像亮暗
- 不同网段windows远程linux桌面,实现不同网段pc机及交换机互通
- 2021-09-02编写一个 SQL 查询,获取 Employee 表中第二高的薪水(Salary) 。
- osg学习(四十五)有关倾斜摄影的osgb、gltf、3DTiles格式
- 关于排队模型的一些名词解释(随笔)
- C#提取字模[复制即用]
- dnf服务器未响应怎么解决方法,DNF地下城与勇士程序未响应怎么办——一招搞定...
- ABP理论学习之EntityFramework集成
- python数据分析之pandas
- 26设计模式之建造者模式
- android手机如何隐藏应用程序,三星手机怎么隐藏图标/软件 三星隐藏应用程序设置方法...
- Solr之高亮显示-yellowcong
- ROS学习笔记(十)——ROS试用练习(一)
- 《CSAPP》(第3版)答案(第六章)(一)
热门文章
- Java的BIO和NIO很难懂?用代码实践给你看,再不懂我转行!
- [转载]千古真人张三丰
- qq邮件exchange服务器,解决Exchange邮件系统无法接收QQ邮件的问题
- 十个接私活赚外快的网站,你有技术就有钱
- 2012考研数学二第(18)题——多元函数积分学:二重积分求面积+画曲线:心形线
- Orcle中Database Control - orcl打开错误或者打不开的解决办法
- 亚信科技2019Java笔试题_2019亚信科技(asiainfo)面试经验(产品助理,后端工程师等)...
- 修改注册表为当前用户和默认用户添加日文输入法
- 用C语言将搜狗输入法词库转换成QQ拼音输入法词库
- hao.360.cn不停跳....