知道一组因变量数据和两组自变量数据,怎样把它们拟合起来?请教方法!拜谢! 返回小木虫查看更多
这需要专业知识,由此确定拟合模型,并由最小二乘法确定其中的待定系数。
前面那位同学也说了先确定拟合模型,然后用最小二乘求解里边的系数。我这里进行一个补充。 方法有很多种主要的思路就是基函数展开(可以理解为确定拟合模型的表达的形式),然后求解拟合模型里边的系数(最小二乘就是求解系数的一种最常见最经典的方法),如果你知道傅里叶展开的话那么本质上都是一个思路。 主要方法如下: 1多项式展开 2傅里叶展开 3神经网络 当然不止这些方法,每种方法之间各有利弊,需要根据实际情况来选定合适的方法,
可以试试1stOpt的公式自动搜索匹配功能,能根据数据自动匹配找到最好拟合公式。
原理不懂的话,最省时间的方法是用1stopt
多元线性回归,一元线性回归基础上去学习,要用最小二乘法求出回归方程模型中的参数,然后去拟合,参考数理统计方差分析与回归分析这章的多元线性回归这节
用origin曲线拟合,楼主可百度查一下过程~我也会点,不过电脑没在身旁
cftool?
这需要专业知识,由此确定拟合模型,并由最小二乘法确定其中的待定系数。
前面那位同学也说了先确定拟合模型,然后用最小二乘求解里边的系数。我这里进行一个补充。
方法有很多种主要的思路就是基函数展开(可以理解为确定拟合模型的表达的形式),然后求解拟合模型里边的系数(最小二乘就是求解系数的一种最常见最经典的方法),如果你知道傅里叶展开的话那么本质上都是一个思路。
主要方法如下:
1多项式展开
2傅里叶展开
3神经网络
当然不止这些方法,每种方法之间各有利弊,需要根据实际情况来选定合适的方法,
可以试试1stOpt的公式自动搜索匹配功能,能根据数据自动匹配找到最好拟合公式。
原理不懂的话,最省时间的方法是用1stopt
多元线性回归,一元线性回归基础上去学习,要用最小二乘法求出回归方程模型中的参数,然后去拟合,参考数理统计方差分析与回归分析这章的多元线性回归这节
用origin曲线拟合,楼主可百度查一下过程~我也会点,不过电脑没在身旁
cftool?