最小二乘法

背景：我们有一系列的点（x,y），如下图所示，实际上这就是一个y=10*x的一元一次曲线，再加上一个随机误差得到的数据。

我们想用一个线性方程来拟合它y=a*x+b
为了达到最好的拟合效果，我们应该让

最小。（y是原始值）。
对上式求导

对上式稍微整理以下，使用克莱姆法则，得

矩阵的表达形式
如果我们推广到更一般的情况，假如有更多的模型变量x^1, x^2,…, x^{n（注意：x}1是指一个样本，x_1是指样本里的一个模型相关的变量)，可以用线性函数表示如下：

对于n个样本来说，可以用如下线性方程组表示：

注意事项
经典的最小二乘法使用起来够简单粗暴，计算过程也不复杂。但是一个致命的问题就是其对噪声的容忍度很低。试想一下，如果前面我们得到的总采样数据为100个，但是里面有几个误差比较大的数据，这就是噪声了。如果不采取一些手段对这几个噪声样本进行处理，最后拟合的效果肯定不是很好。
对于噪声的处理，比如有加权最小二乘等方法，后续有时间跟大家再讲讲

我们加入更大一点的噪声，发现这时候拟合的效果就不是很好，噪声直接把拟合曲线给带偏了。

下面是多项式拟合的结果

免费获取源码，请关注公众号 xutopia77