2.2+最小二乘拟合多项式.pptVIP

第二节 最小二乘拟合多项式 最小二乘拟合问题： 为什么不能使用插值函数来逼近？ 由于观测数据数目较大，又往往带有观测误差，对于这类问题使用插值函数来逼近，插值函数会将这些误差也包括在内，这是不适当的！ 换句话说：寻求 ，使其在某种准则下与所有数据点最为接近，即曲线拟合得最好。 数据处理问题 拟合的含义是：不要求 所对应的曲线完全通过所有的数据点，只要求它能够反映数据的整体变化趋势。 ~~~~~~~~ 因此，我们需要一种新的逼近原函数的办法 插值与拟合的关系： 问题：给定一组数据点，构造一个函数作为近似（或逼近）。 解决方案： 1. 若要求所求曲线通过给定的所有数据点，就是插值问题； 2. 若不要求曲线通过所有数据点，而是要求它反映数据点的整体变化趋势，这就是数据拟合，又称曲线拟合，所求出的曲线称为拟合曲线。 解决方案： 1. 不要求过所有数据点（可以消除误差影响）； 2. 尽可能地刻画数据点的趋势，靠近这些数据点。 曲线拟合问题最常用的解法 最小二乘法 考虑问题：测得铜导线在温度 时的电阻 如下： k 1 2 3 4 5 6 7