与插值问题不同,在拟合问题中不需要曲线一定经过给定的点。拟合问题的目标是寻求一个函数(曲线),使得该曲线在某种准则下与所
有的数据点最为接近,即曲线拟合的最好(最小化损失函数)
最小二乘法拟合算法及其MATLAB实现
- 1.最小二乘法的几何解释:
- 2.为什么不用四次方?
- 3.MATLAB求解最小二乘:
- 4. 如何评价拟合的好坏(拟合优度)
- 5.线性函数的定义与介绍
- 6.用MATLAB计算拟合优度
【插值和拟合的区别】
插值算法中,得到的多项式f(x)要经过所有样本点。但是如果样本点太多,那么这个多项式次数过高,会造成龙格现象。
尽管我们可以选择分段的方法避免这种现象,但是更多时候我们更倾向于得到一个确定的曲线,尽管这条曲线不能经过每一个样本点,但只要保证误差足够小即可,这就是拟合的思想。(拟合的结果是得到一个确定的曲线,而插值可以得到很多曲线,只不过是预测精度不大一样)
【结合MATLAB演示最小二乘法拟合】
给定一些数据点:
x | y |
---|---|
4.2 | 8.4 |
5.9 | 11.7 |
2.7 | 4.2 |
3.8 | 6.1 |
3.8 | 7.9 |
5.6 | 10.2 |
6.9 | 13.2 |
3.5 | 6.6 |
3.6 | 6 |
2.9 | 4.6 |
4.2 | 8.4 |
6.1 | 12 |
5.5 | 10.3 |
6.6 | 13.3 |
2.9 | 4.6 |
3.3 | 6.7 |
5.9 | 10.8 |
6 | 11.5 |
5.6 | 9.9 |
设这些样本点为 ( xi, yi) , i = 1 , 2 , 3 , … … , n(x_i,y_i),i=1,2,3,……,n(xi,yi),i=1,2,3,……,n
我们设置的拟合曲线为 y = k x + by=kx+by=kx+b.
问题在于,当 kkk和 bbb取何值时,使得样本点和拟合曲线更接近?
我们使用MATLAB先将这些点画在图中:
在MATLAb的变量存储区新建x和y变量,然后把我们的数据复制进去:
新建好这两个变量之后,可以把两个变量选中,然后保存在和代码同一个目录的文件夹下,保存为mat文件:
这样我们如果删除了这两个变量,仍然可以通过load demo
来加重新加载这两个变量。
通过plot命令可以绘制出这个散点图:
那么如何确定拟合曲线呢?这里我们使用最小二乘法。
1.最小二乘法的几何解释:
第一种定义有绝对值,不容易求导,因此计算比较复杂。
所以我们往往使用第二种定义,这也正是最小二乘的思想。
2.为什么不用四次方?
- 避免极端数据对拟合曲线的影响。
- 最小二乘法得到的结果和MLE极大似然估计一致。
- 不用奇数次方的原因:误差会正负相抵。
求解最小二乘法:
详细证明可以看我写的超级好的手写版【doge】
3.MATLAB求解最小二乘:
对应的求 k^ \hat{k}k^和 b^ \hat{b}b^的MATLAb
代码是:
k = (n*sum(x.*y)-sum(x)*sum(y))/(n*sum(x.*x)-sum(x)*sum(x))b = (sum(x.*x)*sum(y)-sum(x)*sum(x.*y))/(n*sum(x.*x)-sum(x)*sum(x))
求出 k^ \hat{k}k^和 b^ \hat{b}b^之后就可以画出这个拟合函数 y = k^x + b^ y=\hat{k}x+\hat{b}y=k^x+b^了:
% % 画出y=kx+b的函数图像 plot(x,y)% % 传统的画法:模拟生成x和y的序列,比如要画出[0,5]上的图形% xx = 2.5: 0.1 :7% 间隔设置的越小画出来的图形越准确% yy = k * xx + b% k和b都是已知值% plot(xx,yy,'-')
画图还有一个方法:用匿名函数
% 匿名函数的基本用法。% handle = @(arglist) anonymous_function% 其中handle为调用匿名函数时使用的名字。% arglist为匿名函数的输入参数,可以是一个,也可以是多个,用逗号分隔。% anonymous_function为匿名函数的表达式。% 举个小例子%z=@(x,y) x^2+y^2; %z(1,2) % % ans =5% fplot函数可用于画出匿名一元函数的图形。% fplot(f,xinterval) 将匿名函数f在指定区间xinterval绘图。xinterval =[xmin xmax] 表示定义域的范围
在此处就可以这样写来画出这个函数:
f=@(x) k*x+b;fplot(f,[2.5,7]);legend('样本数据','拟合函数','location','SouthEast')
那么有了拟合函数我们如何判断拟合的好不好呢?
4. 如何评价拟合的好坏(拟合优度)
拟合优度(可决系数) R2 R^2R2
- 总体平方和SSTSST SST:Totalsumofsquares:SST= ∑ i=1n( y i− yi‾ ) 2\text{Total sum of squares}:SST=\sum_{i=1}^n(y_i-\overline{y_i})^2 Totalsumofsquares:SST=∑i=1n(yi−yi)2
- 误差平方和SSESSE SSE:Thesumofsquaresduetoerror:SSE= ∑ i=1n( y i− yi^ ) 2\text{The sum of squares due to error}:SSE=\sum_{i=1}^n(y_i-\hat{y_i})^2 Thesumofsquaresduetoerror:SSE=∑i=1n(yi−yi^)2
- 回归平方和SSRSSR SSR:Sumofsquaresoftheregression::SSR= ∑ i=1n( yi^− yi‾ ) 2\text{Sum of squares of the regression:}:SSR=\sum_{i=1}^n(\hat{y_i}-\overline{y_i})^2 Sumofsquaresoftheregression::SSR=∑i=1n(yi^−yi)2
可以证明: S S T = S S R + S S ESST=SSR+SSESST=SSR+SSE(要用到我们求导得到的两个等式)
拟合优度:
0<= R 2= SSRSST = SST−SSESST =1− SSESST <=10<=R^2= \frac{SSR}{SST}= \frac{SST-SSE}{SST}=1- \frac{SSE}{SST}<=1 0<=R2=SSTSSR=SSTSST−SSE=1−SSTSSE<=1
R 2R^2 R2越接近1,说明误差平方和越接近0,误差越小说明拟合的越好。
注:
- R 2R^2 R2只能用于拟合函数是线性函数时拟合结果的评价,因为SST=SSR+SSESST=SSR+SSE SST=SSR+SSE这个等式只有在拟合函数是线性的时候才成立,其证明如下图
- 线性函数和其他函数(例如复杂的指数函数)比较拟合的好坏,直接看SSESSE SSE即可。
- 拟合的函数越复杂(比如说次数越高),最后得出的拟合优度肯定是越小,SSE也越小(因为次数越高,到最后可能拟合函数穿过了所有的数据点,SSE就为0了),但是这与拟合的初衷相矛盾了,我们希望用一个简单的函数去打到一个相对很好的拟合效果。所以不要过度追求高阶次,复杂的拟合函数,而是要在简单拟合函数与 R 2R^2 R2越小之间找到一个平衡点。
证明SST=SSE+SSR:
5.线性函数的定义与介绍
上面谈到了 R2 R^2R2只能用于拟合函数是线性函数时拟合结果的评价,那么什么是线性函数呢?只有一次函数是线性函数吗?其实不是的。
思考: y = a + b x2 y=a+bx^2y=a+bx2是线性函数吗?
是的。因为我们这里说的线性函数是指对参数为线性(线性于参数)。
如何判断线性于参数的函数?
在函数中,参数仅以一次方出现,且不能乘以或除以其他任何的参数,并不能出现参数的复合函数形式。
比如下面的三种函数都是线性于参数的函数:
而 y = a ( x − b )2 , y = a s i n ( b + c x )y=\frac{a}{(x-b)^2},y=asin(b+cx)y=(x−b)2a,y=asin(b+cx)等都不是线性于参数的函数,不能使用 R2 R^2R2。
6.用MATLAB计算拟合优度
- SST= ∑ i=1n( y i− yi‾ ) 2SST=\sum_{i=1}^n(y_i-\overline{y_i})^2 SST=∑i=1n(yi−yi)2
- SSE= ∑ i=1n( y i− yi^ ) 2SSE=\sum_{i=1}^n(y_i-\hat{y_i})^2 SSE=∑i=1n(yi−yi^)2
- SSR= ∑ i=1n( yi^− yi‾ ) 2SSR=\sum_{i=1}^n(\hat{y_i}-\overline{y_i})^2 SSR=∑i=1n(yi^−yi)2
y_hat = k*x+b; % y的拟合值SSR = sum((y_hat-mean(y)).^2)% 回归平方和SSE = sum((y_hat-y).^2) % 误差平方和SST = sum((y-mean(y)).^2) % 总体平方和SST-SSE-SSR % 5.6843e-14= 5.6843*10^-14 matlab浮点数计算的一个误差R_2 = SSR / SST
本篇文章就到这里啦,下一篇文章继续讲解MATLAB中拟合函数工具箱的使用。