[《化工过程动态数学模型》硕士研究生课程-2010]第6章 最小二乘及偏最小二乘的参数估计方法-v1.pptVIP

《化工过程动态数学模型》 硕士研究生课程-2010 陈祥光 第6章 最小二乘及偏最小二乘的参数估计方法 6.1 最小二乘整批算法  6.2 最小二乘递推算法 6.3 实验数据处理 6.4 问题提出及最小二乘原理 6.5 偏最小二乘的基本含义 6.6 偏最小二乘的重要性 6.7 应用举例 6.8 单因变量的偏最小二乘回归模型 第6章 最小二乘及偏最小二乘的参数估计方法 例如：当模型形式为 Y a1x1+a2x2+······+anxn 以上的递推算法尽管在计算步骤上与整批算法不同，但计算结果是相同的，对所采集的各组数据，对最终结果起着同等程度的影响。 在许多情况下，例如对于时变的系统，需要逐步减少老数据的作用，加强新数据的地位。 实验数据的处理通常需要从几组测定的数据（例如N个点xi,yi）去求数据拟合的问题。这种方法在有些场合称为线性回归问题，在系统辨识中称为参数据计。 假设生产过程中，某一因变量与自变量之间的关系，通过实际测定。如下表6-1所示： 把x, y的观测值标在坐标纸上，每组数据（x, y）在图中以一个星点表示，这种图称为散点图，从散点图可直观地看出两个变量之间的大致关系。 从以上的图可以看出x与y之间大致呈线性关系，因此，可用一条直线