手机版
假设现在有n对坐标系中的点
现在要做k阶多项式拟合，多项式函数如下
将已知的观测点数据代入上述公式得到如下n组等式：
......
最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小，如下所示：
代入公式可以得到
可以通过上述公式对
求偏导后，令其为0来求解所有a的值，得到下面的式子
......
将上述方程整理归纳得
......
将上述方程用矩阵表述
将上述方程分解，令
那么上面的矩阵计算可以简化为
，所以得到
网上的一些证明到这里基本就结束了，但我觉得根据逆矩阵的特性还可以优化的，在矩阵中AB的逆等于B的逆乘A的逆，如下
化简可以得到a为X的逆乘Y
计算出X的逆矩阵乘Y得到的就是多项式的系数，就能得到一个多项式了，曲线拟合就算完成了。
但是有没有发现，X的逆矩阵计算量很大，还要明白如何求解逆矩阵的，用程序去实现也有一定难度。
后面会介绍一种法则，求解多项式的系数，套公式即可。以及用C语言实现最小二乘法的2次曲线拟合算法。
