直线与点的偏离程度(即残差)定义为:
利用最小二乘法求指数拟合 y = c e ax
subplot(2,2,1)
用上式拟合数据,得超定方程:
subplot(2,2,3)
非线性模型的线性化处理
xlabel('X');ylabel('Y');
plot(x,y,'+')
最小二乘的思想可以推广到高次多项式拟合。
其中,‘fun’--事先定义的非线性拟合函数
用上式拟合数据,得超定方程:
(6)[x,options,funval,Jacob]=lsqcurvefit(‘fun’,x0,xdata,
plot(x,y,'.
(6)[x,options,funval,Jacob]=lsqcurvefit(‘fun’,x0,xdata,
subplot(2,2,1)
c=polyfit(x,y,1);
一、直线拟合
若用线性函数拟合如下数据:
线性函数表示为:
其中 为待定系数。
拟合直线称为回归直线。
第三页,共28页。