搜索资源列表
shuzhifenxi3
- 实验题目：曲线拟合的最小二乘法 相关知识：已知C[a,b]中函数f(x)的一组实验数据（xi,yi）（i=0,1,…,m），其中yi=f(xi)。设 是C[a,b]上线性无关函数族。在 中找函数f(x) 曲线拟合的最小二乘解 ，其法方程（组）为： 其中， k=0,1,…,n 特别是，求函数f(x) 曲线拟合的线性最小二乘解 的计算公式为： 数据结构：两个一维数组或一个二维数组 算法设计：（略） 编写代码：（略） 实验用例： 已知函数y
Least-squares-fitting-line
- 用C语言通过最小二乘法拟合出已知直角坐标的点进行线性拟合，并给出表达式及线性度-Least squares fitting line
The-order-of-the-polynomial-fitting
- 我们处理数据时，往往需要事先知道这些数据的规律（如线性），然后再进行相应阶数的最小二乘法拟合，本文试图在不知道拟合阶数的情况下通过程序计算拟合阶数。-We handle the data, the data often need to know in advance the rules (such as linear), and then make the appropriate order of the least squares fit, this article attempts to f
The-least-squares-method
- 最小二乘法，带GUI界面拟合线性曲线，实验中可以用作参考，自己编写的程序-The least squares method, linear curve fitting with a GUI interface, the experiment can be used as a reference, you have written procedures
jouban_v67
- 利用最小二乘法进行拟合多元非线性方程，PLS部分最小二乘工具箱,雅克比迭代求解线性方程组课设。- Multivariate least squares fitting method of nonlinear equations, PLS PLS toolbox, Jacobi iteration for solving linear equations class-based.
gangmen
- 雅克比迭代求解线性方程组课设,是学习PCA特征提取的很好的学习资料，利用最小二乘法进行拟合多元非线性方程。- Jacobi iteration for solving linear equations class-based, Is a good learning materials to learn PCA feature extraction, Multivariate least squares fitting method of nonlinear equations.
新建 文本文档
- 交通分布 使用重力模型前要先对其进行标定，以便能够很好地拟合基础年数据 2.1 最小二乘法和线性回归法 在对无约束重力模型进行标定时，多采用最小二乘法和线性回归法来标定(Traffic distribution)
ridge regression1
- 岭回归(英文名：ridge regression, Tikhonov regularization)是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。 总之，本文档是岭回归的R语言实现代码，主要用于解决当模型中出现多重共线性问题，尤其是当你所有的解释变量都很重要，又无法通过其他检验来删除时，岭回归是一个很好的解决办法。(Ridge
fortran各章代码
- 第1章 矩阵分解与线性方程组直接方法 第2章 线性方程迭代方法 第3章 最小二乘法与曲线拟合 第4章 特征值与特征向量 第5章 非线性方程 第6章 非线性方程组 第7章 插值法 第8章 数值微分 第9章 数值积分 第10章 特殊函数 第11章 常微分方程(The first chapter is matrix decomposition and direct method of linear equations The second chapter is the itera