项目需要拟合曲线，使用java实现。采用了apache-commons-math3实现自定义的曲线。
作为apache开源的搞数学计算的超强的库，一直不受市场重视。为啥呢？经过研究，使用java这个强制数据类型的语言搞数学计算真是不好玩，比起python的scipy或者matlab的nlinfit函数调用，java真是low爆了。这就是社会现实，数学虽然与编程语言无关，但是编程语言对数学的实现有难易之分。
进入主题，通过java的math3实现自定义的曲线拟合。流程是：先搞清楚怎么自定义曲线，再按照math3的jar包规范编写函数，求解到最佳参数。
- 先分析jar包封装好的多项式拟合与高斯分布的拟合，看源码，知道都包含了两个函数
public double[] gradient(double x, double... parameters){}
public double value(double x, double... parameters){}
基于我学习的既有经验，value函数是搞预测的，输入x与超参数得到计算值；而gradient是求梯度的，通过多项式函数的源码初步确定该函数对每个超参数求偏导，通过高斯分布的gradient函数确定高斯函数的gradient就是对每个参数求偏导。其中高斯函数把参数由俩（均值、方差）变成了仨（系数norm、均值、方差），直接导致了求偏导的时候返回三个梯度。
- 自定义曲线函数 y = a*x.^2+b.*log(c*c.*x)+c./(1+exp(x))
编写java类，实现ParametricUnivariateFunction的接口，重写value与gradient方法，在value里实现公式，在gradient方法里实现公式在x处对abc的分别求导，返回长度为三的数组。此处不列代码了，本身用java搞这个的就不多，就不显摆了。
- 调用函数
创建优化器GaussNewtonOptimizer，曲线拟合对象CurveFitter；使用函数创建一组xy数组，并在y上加噪声；拟合函数，求解得到最优的abc。
【总结】
- java实现曲线拟合太麻烦，不建议使用，但是项目需要的话，用java调用其他语言实现拟合并返回结果真心的慢（比如java调python得到输入流，非常慢）
- java搞梯度太繁琐，远不如其他语言，真心的心累呀。
当我到达高处，便发觉自己总是孤独的，无人同我说话，孤寂的寒冬令我发抖，我在高处，究竟意欲何为？
