作者主页(文火冰糖的硅基工坊):https://blog.csdn.net/HiWangWenBing
本文网址:https://blog.csdn.net/HiWangWenBing/article/details/119901220
目录
第1章 什么是函数逼近?
1.1 抛出问题1:函数插值
利用有限的样本数据,发现其内在的规律,并用这个规律预测未来新的数据。
- 0次函数通过样本点:唯一确定一个点 y = f(x) = a0
- 1次直线函数通过样本点:可以有无数 y = f(x) = a1x + a0
- 2次抛物线函数通过样本点:可以有无数 y = f(x) = a1x^2 + a1x + a0
(2)2个数据点
- 0次函数通过样本点:无
- 1次直线函数通过样本点:唯一直线 y = f(x) = a1x + a0
- 2次抛物线函数通过样本点:可以有无数 y = f(x) = a1x^2 + a1x + a0
(3)3个数据点
- 0次函数通过样本点:无
- 1次直线函数通过样本点:无
- 2次抛物线函数通过样本点:唯一抛物线y = f(x) = a1x^2 + a1x + a0
问题:
如果有(xn+1,yn+1), (xn,yn)……..(x1,y1), (x0,y0)样本点,那么如何选择一个最低次的多项式函数,可以穿过上述样本点?
推测:
对应n+1个点,可以唯一的确定一个一元n次的多项式函数,该多项式函数可以穿越所有n+1个点。
1.2 抛出问题2:函数拟合
如果有n个点,不要求选出的函数穿越所有的点,而是根据这些点构建的轮廓,选择一个更低维度(次数)的函数尽可能的靠近这些样本点呢?
当函数的次数远远小于样本点的次数是,该如何选择低次的函数?
1.3 什么是回归
回归与拟合是基本相同的概念。线性拟合通常称为线性回归。
第2章 函数逼近的基本方法
2.1 插值法求插值函数
- 插值函数穿过所有的样本点
- 插值函数的次数 >= 样本点个数N再减1,即至少为N-1次。
2.2 拟合法求拟合函数
- 拟合函数不会穿过所有的样本点
- 拟合函数的次数远远小于样本点个数
第3章 用于函数逼近的常见函数类型
3.1 一元函数
一元函数是指函数方程式中只包含一个自变量。例如y=F(x)。与一元函数对应的为多元函数,顾名思义函数方程中包含多个自变量。在工科数学基础分析中:设A,B是两个非空的实数集,则称映射f:A→B为定义在A上的一元函数,简称函数。
- 一元线性函数y = ax + b
- 一元多项式函数y = anX^n + an-1X^(n-1) + …. a1*X^1 + a0
- 一元三角函数
- 一元指数函数
3.2 多元函数
设D为一个非空的n 元有序数组的集合, f为某一确定的对应规则。若对于每一个有序数组 ( x1,x2,…,xn)∈D,通过对应规则f,都有唯一确定的实数y与之对应,则称对应规则f为定义在D上的n元函数。
记为y=f(x1,x2,…,xn) 其中 ( x1,x2,…,xn)∈D。 变量x1,x2,…,xn称为自变量,y称为因变量。
当n=1时,为一元函数,记为y=f(x),x∈D,当n=2时,为二元函数,记为z=f(x,y),(x,y)∈D。二元及以上的函数统称为多元函数。
3.3 复合函数
设函数y=f(u)的定义域为Du,值域为Mu,函数u=g(x)的定义域为Dx,值域为Mx,如果Mx∩Du≠Ø,那么对于Mx∩Du内的任意一个x经过u;有唯一确定的y值与之对应,则变量x与y之间通过变量u形成的一种函数关系,这种函数称为复合函数(composite function),记为:y=f[g(x)],其中x称为自变量,u为中间变量,y为因变量(即函数)。
作者主页(文火冰糖的硅基工坊):https://blog.csdn.net/HiWangWenBing
本文网址:https://blog.csdn.net/HiWangWenBing/article/details/119901220
Original: https://blog.csdn.net/HiWangWenBing/article/details/119901220
Author: 文火冰糖的硅基工坊
Title: [数值计算-12]:什么是函数逼近:插值、拟合、回归
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/635021/
转载文章受原作者版权保护。转载请注明原作者出处!