建模演算法筆記 擬合演算法

2021-10-14 16:40:02 字數 2824 閱讀 8879

在插值演算法中,樣本點太多,那麼多項式的次數過高,會造成龍格現象。儘管可以用分段避免,但我們更想要獲得一條確定的曲線,即使這條曲線不能經過每乙個樣本點,但只要保證誤差足夠小就可以

arg是引數的縮寫,argmin是引數使得()裡面的最小

第一種:絕對值,可以變成第二種:二次方

(1)但為什麼不是三次方,因為三次方求和的時候,會正負抵消,

(2)但為什麼不是四次方,因為如果有某一項偏差太大,四次方之後就對誤差和的影響太大

y=x²這種 x是二次方 所以不是線性

y=ax²+b

a和b是線性的,但像y=bsin(a)這種復合的 或者ab 或者 a²x 就不是線性的

以下討論的線性 均為對引數為線性

總體平方和sst

誤差平方和sse

回歸平方和ssr

(1)若引數是線性

擬合優度(可決係數)r²goodness of fit

r=ssr/sst

值域:[0,1]

如果越趨近於1,說明誤差平方和越接近0,說明擬合越好

(2)若引數不是線性

看sse,越小越好(相對),比如人口(百萬),擬合曲線的sse是1000,擬合度算好的。

handle = @(arglist) anonymous_function

其中handle為呼叫匿名函式時使用的名字。

arglist為匿名函式的輸入引數,可以是乙個,也可以是多個,用逗號分隔。

anonymous_function為匿名函式的表示式。

舉個小例子

z=@(x,y) x^

2+y^2;

z(1,

2)% ans =

5fplot函式可用於畫出匿名一元函式的圖形。

fplot

(f,xinterval) 將匿名函式f在指定區間xinterval繪圖。xinterval =

[xmin xmax] 表示定義域的範圍

1&2、先選出想要擬合的兩個值

3、自動出擬合的線性函式

4、線性模型p1,p2 這裡相當於y=kx+b中的k和b

5、點估計,括號裡面是區間估計(置信區間),點估計是概率,多大的可能性在落在這個區間內

下面的幾個量

sse(誤差平方和)

擬合優度

調整後的擬合優度

均方誤差

擬合函式越簡潔越好

多項式的n越大 存在龍格現象

經常用的兩種

自定義和多項式擬合

多項式可以自己定義維數(多項式n的個數)

穩健性一般不勾選

中心化

generate code:生成**,得到的函式,可以在自己的**中直接匯入

print to figure:把得到的影象列印出來

% (1)randi : 產生均勻分布的隨機整數(i =

int)

%產生乙個1至10之間的隨機整數矩陣,大小為2x5,行x列;

s1 =

randi(10

,2,5

)%產生乙個-

5至5之間的隨機整數矩陣,大小為1x10;

s2 =

randi([

-5,5

],1,

10)

%  (2) rand: 產生0至1之間均勻分布的隨機數

%產生乙個0至1之間的隨機矩陣,大小為1x5;

s3 =

rand(1

,5)%產生乙個a至b之間的隨機矩陣,大小為1x5;

% a +

(b-a)

*rand(1

,5); 如:a,b =2,

5s4=2+

(5-2

)*rand(1,5)

% (3)normrnd:產生正態分佈的隨機數

%產生乙個均值為0,標準差(方差開根號)為2的正態分佈的隨機矩陣,大小為3x4;

s5 =

normrnd(0

,2,3,4)

% (4)roundn—任意位置四捨五入

%0個位 1十位 2百位 -

1小數點後一位

a =3.1415

roundn

(a,-2)

% ans =

3.1400

roundn

(a,2

)% ans =

0a =

31415

roundn

(a,2

)% ans =

31400

roundn

(5.5,0

)%6roundn

(5.5,1

)%10

數學建模之擬合演算法理論筆記

插值與擬合的差別 插值演算法中,得到的多項式f x 要經過所有樣本點。但是如果樣本點太多,那麼這個多項式次數過高,會造成龍格現象。儘管我們可以選擇分段的方法避免這種現象,但是更多時候我們傾向於得到乙個確定的曲線,儘管這條曲線不能經過每乙個樣本點,但是只要保證誤差足夠小即可。擬合演算法 與插值演算法不...

數學建模中擬合演算法那些事 上

插值演算法和擬合演算法的區別 插值演算法 得到的多項式f x 要經過所有樣本點.擬合演算法 得到的多項式不一定經過每乙個樣本點,但只要保證誤差足夠小即可.擬合演算法用到了最小二乘法,首先來對最小二乘法做個解釋 清風老師講解和自己理解 最小二乘法 設一些樣本點為 xi,yi 其中i 1,2,3,n 我...

滴滴演算法大賽演算法解決過程 擬合演算法

概論 gap的 是建立在乙個擬合函式上的。也有一些機器學習的味道。總的gap函式 函式 時間,地區 交通流量和時間有關,乙個地方的擁堵程度和時間有關係 不同的地區,各種設施配置不同。天氣和時間有關。gap函式 函式 交通擁擠度函式 時間,地區編號 poi函式 地區編號 天氣函式 時間 這裡可以認為,...