这是一个创建于 3861 天前的主题，其中的信息可能已经有所发展或是发生改变。
给了几组点如下：
(1,21.9059330191461)
(2,12.3412139792904)
(5,6.60182614356538)
(10,4.6877695119712)
(25,3.54156118026073)
(50,3.22440644770007)
(100,3.08252143576504)
(250,2.99905966403855)
画出来是这个样子：
用什么函数去拟合比较好？
如果我假设 y = a(x + b)^c + d, 应该如何求这些参数？
(1,21.9059330191461)
(2,12.3412139792904)
(5,6.60182614356538)
(10,4.6877695119712)
(25,3.54156118026073)
(50,3.22440644770007)
(100,3.08252143576504)
(250,2.99905966403855)
画出来是这个样子：
用什么函数去拟合比较好？
如果我假设 y = a(x + b)^c + d, 应该如何求这些参数？
 | 1 giskard 2015 年 7 月 10 日  1 用origin可以很容易做这样的拟合，或者，也可以用python的scipy包进行最小二乘拟合，比如http://andyhuzhill.github.io/python/scipy/2013/04/10/scipy-leastsq-usage/ |
 | 2 chlx 2015 年 7 月 10 日 就最小二乘 + 梯度下降吧 |
 | 3 omengye 2015 年 7 月 24 日 matlab算了一下,从图像上看显然是反比例函数比较好一些吧. 假设方程是y=a/x+b这种形式,可以算出来a=17.7722,b=3.1730,当然这个不一定是最佳的. lz可以自行画一下看看效果. |
 | 4 khowarizmi OP @omengye 我最后用的分段，一部分用 log 拟合，一部分用多项式。 |
| 5 omengye 2015 年 7 月 25 日 via Android @khowarizmi 哦log 的话配合多项式也是可以的，拟合效果并不能完全决定用什么函数去拟合的，这个得跟实际情况有关联。 |
 | 6 miemiekurisu 2015 年 8 月 25 日 via Android 1 有这么几种思路和方法: 广义线性回归，非线性回归，样条。 分段处理其实就是样条，数据点少的时候用样条精度略差，比较难把握分段数据点临界点，数据多的时候运算速度快，拟合效果好（因为分段处理了），非线性回归拟合和计算都比较复杂。 广义线性回归求系数比较容易，系数就是最小二乘解 |
 | 7 onerhao 2015 年 10 月 21 日 数据太少了。不过可以考虑基于核（比如高斯核）的线性回归。 |
Select Language