[Nodig] Curve Fitting voor aa set van datas, links

[vamanan]

Hallo, Kan iemand uitleggen me hoe curve fitting is gedaan voor aa set van datas. U kunt mij leiden door het geven van links ook. Groeten, Vamanan

 

[evision]

Neem een inverse van (totaal aantal steps -1), til hem om de verhouding van de laatste waarde / eerste waarde

 

[Kral]

vamanan, twee gebruikelijke methoden van de curve fitting zijn polynomiale curve fitting, en de kleinste kwadraten curve fitting. In polynomiale curve fitting, is een polynoom gevonden waarvoor elk van de meetpunten gebeurt op de polynoom curve. In de kleinste kwadraten fitting, is een polynoom gevonden waarvoor de som van de kwadraten van de fouten tussen de data punten en de polynoom minimaal is. Zie de volgende opties:. http://en.wikipedia.org/wiki/Curve_fitting . http://en.wikipedia.org/wiki/Linear_least_squares Ook Google op l "oost pleinen" en "polynomiale curve fit". Je krijgt heel veel hits. Groet, Kral

 

[iyami]

In de kleinste kwadraten fitting, een polynoom wordt gevonden waarvoor de som van de kwadraten van de fouten tussen de data punten en de polynoom minimaal is.

Gewoon een kleine toevoeging. Deze functies hoeven niet te worden polynomen. U hebt wellicht ook gegevens die u weet wordt gegenereerd door een som van sinus functies of exponentiële. In dat geval kunt u gebruik maken (niet-lineaire) kleinste-kwadraten passend bij de beste te vinden (of op zijn minst een dicht genoeg) fit tussen de functies van dit type. De algemene procedure bestaat uit de volgende stappen 1) beslissen welk type van de functies die u wilt gebruiken als kandidaten 2) bepalen hoe u de afstand tussen de gegevens en deze functies 3) vind je een close-genoeg functies van deze kandidaten te definiëren. 1) zijn vaak polynomen van een vaste graad, rantsoen functies, sinusgolven etc. 2) meestal L2-norm (Euclidische afstand voor functies) 3) er zijn veel open source libraries / programma 's voor lineaire / non-lineaire kleinste kwadraten fitting