21xrx.com
2024-11-22 10:04:05 Friday
登录
文章检索 我的文章 写文章
最小二乘法C++代码
2023-06-23 11:57:02 深夜i     --     --
最小二乘法 C++ 代码

最小二乘法(least squares method)是数学上用来解决线性回归问题的一种方法。它利用已知数据对数学模型的参数进行估计,从而求出最合适的拟合曲线。下面我们来介绍如何使用C++代码实现最小二乘法。

首先要明确的是,最小二乘法的核心就是要求解方程组。因此我们需要先定义一个函数来求解线性方程组。下面是一个求解n元线性方程组的函数:


void solve(double A[][MAXN], double x[], int n) {

  for (int i = 0; i < n; ++i) {

    int r = i;

    for (int j = i + 1; j < n; ++j)

      if (fabs(A[j][i]) > fabs(A[r][i]))

        r = j;

    if (r != i) {

      for (int j = i; j <= n; ++j)

        swap(A[i][j], A[r][j]);

    }

    if (fabs(A[i][i]) < EPS) continue;

    for (int j = i + 1; j <= n; ++j)

      A[i][j] /= A[i][i];

    for (int j = 0; j < n; ++j)

      if (i != j)

        for (int k = i + 1; k <= n; ++k)

          A[j][k] -= A[j][i] * A[i][k];

  }

  for (int i = 0; i < n; ++i)

    if (fabs(A[i][i]) > EPS)

      x[i] = A[i][n] / A[i][i];

}

其中,A是系数矩阵,x是未知元向量,n是未知元个数。该函数的作用是将方程组Ax=b化为x=inv(A)b的形式,并存储在x数组中。如果方程组有无解或者多解,在解出x的同时也能检测出来。

接下来,我们需要根据数据来拟合一条直线。假设我们要拟合的直线的方程为y = kx + b,其中k和b是未知参数。我们有n个已知数据点{(x1, y1), (x2, y2), ..., (xn, yn)},我们的目标是要求出k和b的值,使得这n个点到直线的距离之和最小。这个过程可以用最小二乘法来解决。

对于第i个数据点(xi, yi),它到直线的距离可以用垂直距离来表示,即:

di = |kxi - yi + b| / sqrt(k^2 + 1)

那么n个数据点到直线的距离之和为:

S = d1^2 + d2^2 + ... + dn^2

我们要使S最小。对于k和b分别求偏导数,令偏导数为0,可以得到:

k = (n*Σxiyi - Σxi*Σyi) / (n*Σxi^2 - (Σxi)^2)

b = (Σyi - k*Σxi) / n

接下来,我们将这些公式用C++代码实现出来:


double xs[MAXN], ys[MAXN];

double a, b;

int n;

void leastSquaresMethod() {

  double sx = 0, sy = 0, sxy = 0, sx2 = 0;

  for (int i = 0; i < n; ++i) {

    sx += xs[i];

    sy += ys[i];

    sxy += xs[i] * ys[i];

    sx2 += xs[i] * xs[i];

  }

  a = (n * sxy - sx * sy) / (n * sx2 - sx * sx);

  b = (sy - a * sx) / n;

}

其中,xs和ys数组分别存储了n个数据点的x坐标和y坐标。计算a和b时,我们分别对应了上面两个公式的分子和分母。最后得到的a和b分别是直线的斜率和截距。

最后,我们来验证一下我们的代码是否正确。我们随机生成一些数据点,然后拟合一条直线并输出它的方程。代码如下:


int main() {

  srand(time(NULL)); // 设置随机种子

  n = 10; // 生成10个数据点

  for (int i = 0; i < n; ++i) {

    xs[i] = rand() % 100; // x坐标为0~99之间的随机数

    ys[i] = 2 * xs[i] + 1 + rand() % 10; // y坐标为直线y = 2x+1加上随机偏移

  }

  leastSquaresMethod();

  cout << "y = " << a << "x + " << b << endl;

  return 0;

}

执行这段代码,我们得到的输出类似于下面的内容:


y = 1.94677x + 2.16832

可以看到,我们得到的直线方程与真实的直线y = 2x + 1非常接近。由此可见,我们的最小二乘法代码是正确的。

总结一下,本文介绍了如何用C++代码实现最小二乘法。我们先定义了一个函数来求解线性方程组,然后通过最小二乘法来拟合一条直线。最后,我们验证了我们的代码的正确性。最小二乘法不仅在数学上有很多应用,而且在实际工程中也非常有用。希望读者能够掌握这个重要的算法。

  
  

评论区

{{item['qq_nickname']}}
()
回复
回复