数据分析(一).pptVIP

《数据分析》讲座 * * 多项式插值基本原里 《数据分析》讲座 * * 三次样条插值基本原理 三次样条插值的关键是保持了节点处的连续性 《数据分析》讲座 * * 三次样条插值 《数据分析》讲座 * * 三次样条插值 《数据分析》讲座 * * 三次样条插值 两个端点边界条件 《数据分析》讲座 * * 插值中出现的问题 不是插值函数次数越高越好，现实生活中找不到4次以上插值函数对应的实际意义 分段线性插值 《数据分析》讲座 * * 插值范例-海表温度（SST）遥感的云下数据插值 插值前 插值后 《数据分析》讲座 * * 插值范例-海表温度（SST）遥感的云下数据插值 取第（147，113）点的温度数据出来 Interp1(x,y,xi,’linear’) 原数据 《数据分析》讲座 * * 插值范例-海表温度（SST）遥感的云下数据插值 取第（147，113）点的温度数据出来 Interp1(x,y,xi,’cubic’) 原数据 《数据分析》讲座 * * 插值范例-海表温度（SST）遥感的云下数据插值 取第（147，113）点的温度数据出来 Interp1(x,y,xi,’spline’) 原数据 《数据分析》讲座 * * III 数据处理 数据拟合 实际中和数学建模题目中经常还可能出现这样一类数据，其是通过实验或观测得到的一系列点 的值，但这些值并不是准确的，其含有未知的误差，有时也无法用某个确定的函数描述这些数据。在这种情况下，就需要去找近似这些数据的函数来逼近，要求逼近误差最小。即找到一个函数 使得 在数据点xi上的值 与 的误差最小。这种情况下的最优 称为拟合函数。 《数据分析》讲座 * * III 数据处理 数据拟合 《数据分析》讲座 * * 数据拟合第1步： 定义误差的度量 《数据分析》讲座 * * 数据拟合第2步： 定义拟合函数 形式 多项式拟合 特殊情况下，线性拟合（回归）和二次拟合可写成 线性： 二次： 《数据分析》讲座 * * 数据拟合第3步：估计参数  将拟合函数带入误差度量公式中 解优化问题： 由多元函数极值原理，即 《数据分析》讲座 * * 数据拟合第3步：估计参数  线性拟合情况下 《数据分析》讲座 * * 数据拟合第3步：估计参数  线性拟合情况下 《数据分析》讲座 * * 数据拟合第3步：估计参数  二次拟合情况下 《数据分析》讲座 * * 拟合范例-游泳馆节能数据 取2月21日-6月18日的燃气量 polyfit(x,y,1) y = -28.2 + 4174.9x 原数据 《数据分析》讲座 * * 拟合范例-游泳馆节能数据 取2月21日-6月18日的燃气量 polyfit(x,y,2) y = 0.1 – 37.1x + 4370.8x^2 原数据 《数据分析》讲座 * * 拟合范例-游泳馆节能数据 取2月21日-6月18日的燃气量 polyfit(x,y,3) y = -0.0039+0.8x-77.8x^2+ 4823.4x^3 原数据 《数据分析》讲座 * * 拟合范例-游泳馆节能数据 取2月21日-6月18日的燃气量 polyfit(x,y,12) 原数据 拟合函数不是次数越高越好 * * 谢谢！ 《多元统计分析》讲座 * * 数据分