拟合法
- 拟合法定义
- 确定拟合曲线
- 最小二乘法
- 评价拟合的好坏
- 1. 拟合函数是参数线性 --- 拟合优度 R 2 R^2 R2
- 2. 拟合函数是非参数线性 --- 误差平方和SSE
- matlab拟合工具箱(Curve Fitting Tool)
- 1. 红框为自定义的拟合函数
- 2. 多项式拟合函数
- 3.Fit Options
- 对已知的函数直接画图
拟合法定义
得到的曲线不一定经过所有的样本点,只要保证误差足够小
确定拟合曲线
最小二乘法
- 一次拟合:
评价拟合的好坏
所用的函数最好是简单的,如果选择复杂的拟合函数,可能会出现机器学习中过拟合现象。
所以需要和拟合函数的复杂程度综合评判
1. 拟合函数是参数线性 — 拟合优度
- 此处讨论的线性是对参数为线性而非对变量为线性
例如:
2. 拟合函数是非参数线性 — 误差平方和SSE
SSE越小越好
matlab拟合工具箱(Curve Fitting Tool)
1. 红框为自定义的拟合函数
2. 多项式拟合函数
Degree 由自己选择阶数
Center and scale 去中心化消除量纲的影响
3.Fit Options
上两图中Fit Options选项:
当拟合函数复杂的时候,会使用优化算法,得到的是一个近似解,也就是说解的效果与初始值 (StartPoint) 有关,所以当解的效果不好时,可以修改Fit Options->StartPoint
对已知的函数直接画图
y = @(x)exp(x);
fplot(y,[-1,10])
- fplot对匿名函数画图
- y 定义匿名函数
- fplot 第二个参数为所画x的范围