1. 程式人生 > >插值 回歸 擬合 逼近的區別

插值 回歸 擬合 逼近的區別

簡單的 曲線 .... 規律 n) 連續 recommend 條件 集合

1回歸一般指線性回歸,是求最小二乘解的過程。在求回歸前,已經假設所有型值點同時滿足某一曲線方程,計算只要求出該方程的系數

2多項式插值:用一個多項式來近似代替數據列表函數,並要求多項式通過列表函數中給定的數據點。(插值曲線要經過型值點。)

3多項式逼近:為復雜函數尋找近似替代多項式函數,其誤差在某種度量意義下最小。(逼近只要求曲線接近型值點,符合型值點趨勢。)

4多項式擬合:在插值問題中考慮給定數據點的誤差,只要求在用多項式近似代替列表函數時,其誤差在某種度量意義下最小。

註意:

表列函數:給定n+1個不同的數據點(x0,y0),(x1,y1)...,(xn,yn),稱由這組數據表示的函數為表列函數。

逼近函數:求一函數,使得按某一標準,這一函數y=f(x)能最好地反映這一組數據即逼近這一表列函數,這一函數y=f(x)稱為逼近函數

插值函數:根據不同的標準,可以給出各種各樣的函數,如使要求的函數y=f(x)在以上的n+1個數據點出的函數值與相應數據點的縱坐標相等,即yi=f(x1)(i=0,1,2....n) 這種函數逼近問題稱為插值問題,稱函數y=f(x)為數據點的插值函數,xi稱為插值點。

插值和擬合都是函數逼近或者數值逼近的重要組成部分

他們的共同點都是通過已知一些離散點集M上的約束,求取一個定義 在連續集合S(M包含於S)的未知連續函數,從而達到獲取整體規律的
目的,即通過"窺幾斑"來達到"知全豹"。

簡單的講,所謂擬合是指已知某函數的若幹離散函數值{f1,f2,…,fn},通 過調整該函數中若幹待定系數f(λ1, λ2,…,λ3), 使得該函數與已知點集的 差別(最小二乘意義)最小。如果待定函數是線性,就叫線性擬合或者線性回歸(主要在統計中),否則叫作非線性擬合或者非線性回歸。表 達式也可以是分段函數,這種情況下叫作樣條擬合。

而插值是指已知某函數的在若幹離散點上的函數值或者導數信息,通過求解該函數中待定形式的插值函數以及待定系數,使得該函數在給 定離散點上滿足約束。插值函數又叫作基函數,如果該基函數定義在整個定義域上,叫作全域基,否則叫作分域基。如果約束條件中只有
函數值的約束,叫作Lagrange插值,否則叫作Hermite插值。從幾何意義上將,擬合是給定了空間中的一些點,找到一個已知形式未知參數的連續曲面來最大限度地逼近這些點;而插值是找到一個(或幾個分片光滑的)連續曲面來穿過這些點。

最小二乘意義下的擬合,是要求擬合函數與原始數據的均方誤差達到極小,是一種整體意義的逼近,對局部性質沒有要求。而所謂“插值”,就是要在原有離散數據之間“插入”一些值,這就要求插值函數必須通過所有的離散點,插值函數在離散點之外的那些點都相當於“插入”的值。插值有全局插值,也有局部插值(比如分段線性插值),插值誤差通常考慮的是逐點誤差或最大模誤差,插值的好壞往往通過某些局部的性質來體現,比如龍格現象或吉布斯振蕩。


插值 回歸 擬合 逼近的區別