Наши проекты:
Журнал · Discuz!ML · Wiki · DRKB · Помощь проекту |
||
ПРАВИЛА | FAQ | Помощь | Поиск | Участники | Календарь | Избранное | RSS |
[44.197.251.102] |
|
Сообщ.
#1
,
|
|
|
Всем хай! Сходу к делу!
Есть массив точек на плоскости (количество точек от 5 до 500). Надо понять, какой график стандартной функции ближе всего к ним. Данный вопрос пока слабо прогуглил и, возможно, есть очень четкое известное решение этой проблемы. Это ведь называется вроде аппроксимацией. Мне непонятен момент со стандартными функциями. Например, можно взять: sin(x), cos(x), kx+b, ax^2+bx+c, log(x), a^x, k/x - всего 7 штук, например. И нужно программно проверять "подгонку" для КАЖДОЙ из этих функций? Т е в коде программы будет "7 различных" функций? Или будет какое-то ядро, которое все делает "в одном месте"? Правильно ли я понимаю, что ответ на мой вопрос ПОЛНОСТЬЮ лежит в плоскости МЕТОДА НАИМЕНЬШИХ КВАДРАТОВ? Т е ДОСТАТОЧНО только его понять досконально или что-то еще нужно? спс. за внимание |
Сообщ.
#2
,
|
|
|
Цитата FasterHarder @ И нужно программно проверять "подгонку" для КАЖДОЙ из этих функций? Да. Цитата FasterHarder @ Т е в коде программы будет "7 различных" функций? Да, конечно. Цитата FasterHarder @ Правильно ли я понимаю, что ответ на мой вопрос ПОЛНОСТЬЮ лежит в плоскости МЕТОДА НАИМЕНЬШИХ КВАДРАТОВ? Ну вообще-то нет. Просто МНК - наиболее популярный, и при этом достаточно простой, метод. Цитата FasterHarder @ Т е ДОСТАТОЧНО только его понять досконально или что-то еще нужно? На самом деле необязательно. А при использовании готовой функции расчёта или сразу оптимизации - нет даже особой необходимости в его понимании. |
Сообщ.
#3
,
|
|
|
Akina, спс за прояснение ситуации)
Цитата Akina @ А при использовании готовой функции расчёта это о какой функции идет речь? или о функции, которую предстоит проработать и закодировать? А этот метод МНК является универсальным, т е сгодится для аппроксимации любой функции (из этих 7)? |
Сообщ.
#4
,
|
|
|
Цитата FasterHarder @ это о какой функции идет речь? Речь о функции, которой передаётся всё, необходимое для расчёта оптимума по МНК (массив коэффициентов с начальными значениями, массив экспериментальных данных, коллбэк с расчётом функции-аппроксиматора по заданным массиву коэффициентов и переменным-координатам, и коллбэк с проверкой на совместность значений коэффициентов), где на выходе получаем массив с оптимальными значениями коэффициентов аппроксимирующего уравнения и среднеквадратичное отклонение. Цитата FasterHarder @ метод МНК является универсальным, т е сгодится для аппроксимации любой функции (из этих 7)? МНК в исходном, немодифицированном, виде способен аппроксимировать на любую гладкую неразрывную в области аппроксимации функцию. |
Сообщ.
#5
,
|
|
|
Akina, ладно, спс за помощь
надо поглубже поизучать это все, а попозже вернуться) |