最小二乘拟合二维直线

目录

  • 1. 原理概述
  • 2. python实现
  • 3. matlab实现
  • 4. C++实现

在这里插入图片描述

爬虫网站自重。

1. 原理概述

  平面直线的表达式为:
y = k x + b (1) y=kx+b \tag{1} y=kx+b(1)
  假设有 n n n个点 ( x i , y i ) ( 0 ≤ i < n ) (x_i, y_i)(0≤i<n) (xi,yi)0i<n,于是目标函数为:
f ( x ) = ∑ i = 1 n k x i + b − y i (2) f(x)=\sum_{i=1}^n kx_i+b-y_i\tag{2} f(x)=i=1nkxi+byi(2)
  分别求 f ( x ) f(x) f(x)对于 k 、 b k、b kb的偏导数:
δ f δ k = ∑ i = 1 n 2 ( k x i + b − y i ) x i = 2 ∑ i = 1 n k x i 2 + b x i − x i y i = 2 ( k ∑ i = 1 n x i 2 + b ∑ i = 1 n x i − ∑ i = 1 n x i y i ) (3) \frac{\delta f}{\delta k}=\sum_{i=1}^n 2(kx_i+b-y_i)x_i=2\sum_{i=1}^n kx_i^2+bx_i-x_iy_i \\=2(k \sum_{i=1}^n x_i^2+b\sum_{i=1}^n x_i- \sum_{i=1}^n x_iy_i)\tag{3} δkδf=i=1n2(kxi+byi)xi=2i=1nkxi2+bxixiyi=2(ki=1nxi2+bi=1nxii=1nxiyi)(3)

δ f δ b = ∑ i = 1 n 2 ( k x i + b − y i ) = 2 ∑ i = 1 n k x i + b − y i = 2 ( k ∑ i = 1 n x i + b n − ∑ i = 1 n y i ) (4) \frac{\delta f}{\delta b}=\sum_{i=1}^n 2(kx_i+b-y_i)=2\sum_{i=1}^n kx_i+b-y_i \\=2(k \sum_{i=1}^n x_i+bn- \sum_{i=1}^n y_i)\tag{4} δbδf=i=1n2(kxi+byi)=2i=1nkxi+byi=2(ki=1nxi+bni=1nyi)(4)

  令(3)式和(4)式偏导数为0,得到一个二元一次方程组:

{ k ∑ i = 1 n x i 2 + b ∑ i = 1 n x i = ∑ i = 1 n x i y i k ∑ i = 1 n x i + b n = ∑ i = 1 n y i (5) \begin{cases} k \sum_{i=1}^n x_i^2+b\sum_{i=1}^n x_i= \sum_{i=1}^n x_iy_i\\ k \sum_{i=1}^n x_i+bn= \sum_{i=1}^n y_i \end{cases} \tag{5} {ki=1nxi2+bi=1nxi=i=1nxiyiki=1nxi+bn=i=1nyi(5)

A = ∑ i = 1 n x i 2 , B = ∑ i = 1 n x i , C = ∑ i = 1 n x i y i , D = ∑ i = 1 n y i A=\sum_{i=1}^n x_i^2,B=\sum_{i=1}^n x_i,C=\sum_{i=1}^n x_iy_i,D=\sum_{i=1}^n y_i A=i=1nxi2,B=i=1nxi,C=i=1nxiyi,D=i=1nyi
于是有:

{ A k + B b = C B k + b n = D (6) \begin{cases} Ak+Bb=C\\ Bk+bn=D \end{cases} \tag{6} {Ak+Bb=CBk+bn=D(6)
解以上方程组得到 k 、 b k、b kb
{ k = n C − B D n A − B 2 b = D A − B C n A − B 2 (7) \begin{cases} k=\frac{nC-BD}{nA-B^2}\\ b=\frac{DA-BC}{nA-B^2} \end{cases} \tag{7} {k=nAB2nCBDb=nAB2DABC(7)

2. python实现

# -----------------------------------拟合直线y=kx+b--------------------------------
n = points.shape[0]
A = sum(x * x)
B = sum(x)
C = sum(x * y)
D = sum(y)
k = (n * C - B * D) / (n * A - B * B)
b = (D * A - B * C) / (n * A - B * B)

在这里插入图片描述

3. matlab实现

n = pc.Count;
A = sum(x.^2);
B = sum(x);
C = sum(x.*y);
D = sum(y);
k = (n * C - B * D) / (n * A - B * B);
b = (D * A - B * C) / (n * A - B * B);

在这里插入图片描述

4. C++实现

    int n = cloud->points.size();double A = 0.0, B = 0.0, C = 0.0, D = 0.0;for (int i = 0; i < n; i++){A += pow(cloud->points[i].x, 2);B += cloud->points[i].x;C += cloud->points[i].x * cloud->points[i].y;D += cloud->points[i].y;}double k = (n * C - B * D) / (n * A - B * B);double b = (D * A - B * C) / (n * A - B * B);

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/27337.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

一起来看看 Compose Accompanist

好久不见&#xff0c;真的挺久了&#xff0c;之前一个月写的文章比现在多半年的都多。今年第一篇文章是简单写了下 Android 14 的适配&#xff1a;Android 14 又来了&#xff1f;别扶&#xff01;抬起我来吧&#xff01; 今天咱们来一起看看 Compose Accompanist 吧&#xff0…

docker菜谱

DockerHub&#xff1a;https://hub.docker.com/ 记录docker常用软件安装&#xff0c;欢迎大家投稿。&#x1f60e;&#x1f60e;&#x1f60e; 文章目录 1. Redis 1. Redis 1、下载redis镜像&#xff1a; docker pull redis:6.2.8 docker pull redis:7.0.02、启动容器&#x…

DAY02_Spring—第三方资源配置管理Spring容器Spring注解开发Spring整合Mybatis和Junit

目录 一 第三方资源配置管理1 管理DataSource连接池对象问题导入1.1 管理Druid连接池1.2 管理c3p0连接池 2 加载properties属性文件问题导入2.1 基本用法2.2 配置不加载系统属性2.3 加载properties文件写法 二 Spring容器1 Spring核心容器介绍问题导入1.1 创建容器1.2 获取bean…

sigmoid ReLU 等激活函数总结

sigmoid ReLU sigoid和ReLU对比 1.sigmoid有梯度消失问题&#xff1a;当sigmoid的输出非常接近0或者1时&#xff0c;区域的梯度几乎为0&#xff0c;而ReLU在正区间的梯度总为1。如果Sigmoid没有正确初始化&#xff0c;它可能在正区间得到几乎为0的梯度。使模型无法有效训练。 …

TCP和UDP

目录 TCP和UDP是什么&#xff1f; TCP和UDP有什么区别? 三次握手和四次挥手 TCP维护可靠的通信方式 拥塞控制 滑动窗口的原理 什么是粘包以及粘包的原因 粘包的处理方式 TCP和UDP使用场景 TCP和UDP是什么&#xff1f; TCP&#xff1a; 传输控制协议&#xff08;TCP&am…

HarmonyOS元服务开发实践:桌面卡片字典

一、项目说明 1.DEMO创意为卡片字典。 2.不同卡片显示不同内容&#xff1a;微卡、小卡、中卡、大卡&#xff0c;根据不同卡片特征显示同一个字的不同内容&#xff0c;基于用户习惯可选择喜欢的卡片。 3.万能卡片刷新&#xff1a;用户点击卡片刷新按钮查看新内容&#xff0c;同时…

Java课题笔记~ AspectJ 的开发环境(掌握)

AspectJ 的开发环境(掌握) &#xff08;1&#xff09; maven 依赖 <dependencies><dependency><groupId>junit</groupId><artifactId>junit</artifactId><version>4.12</version><scope>test</scope></depe…

深度学习和OpenCV的对象检测(MobileNet SSD图像识别)

基于深度学习的对象检测时,我们主要分享以下三种主要的对象检测方法: Faster R-CNN(后期会来学习分享)你只看一次(YOLO,最新版本YOLO3,后期我们会分享)单发探测器(SSD,本节介绍,若你的电脑配置比较低,此方法比较适合R-CNN是使用深度学习进行物体检测的训练模型; 然而,…

项目实战 — 消息队列(4){消息持久化}

目录 一、消息存储格式设计 &#x1f345; 1、queue_data.txt&#xff1a;保存消息的内容 &#x1f345; 2、queue_stat.txt&#xff1a;保存消息的统计信息 二、消息序列化 三、自定义异常类 四、创建MessageFileManger类 &#x1f345; 1、约定消息文件所在的目录和文件名…

探索CSS计数器:优雅管理网页元素的计数与序号

113. 探索CSS计数器&#xff1a;优雅管理网页元素的计数与序号 在前端开发中&#xff0c;我们经常需要对网页元素进行计数与序号&#xff0c;如有序列表、表格行号、步骤指示等。为了优雅地管理这些计数与序号&#xff0c;CSS提供了一种强大的功能&#xff1a;CSS计数器&#…

掌握 JVM 调优命令

常用命令 1、jps查看当前 java 进程2、jinfo实时查看和调整 JVM 配置参数3、jstat查看虚拟机统计信息4、jstack查看线程堆栈信息5、jmap查看堆内存的快照信息 JVM 日常调优总结起来就是&#xff1a;首先通过 jps 命令查看当前进程&#xff0c;然后根据 pid 通过 jinfo 命令查看…

MemFire教程|FastAPI+MemFire Cloud+LangChain开发ChatGPT应用-Part2

基本介绍 上篇文章我们讲解了使用FastAPIMemFire CloudLangChain进行GPT知识库开发的基本原理和关键路径的代码实现。目前完整的实现代码已经上传到了github&#xff0c;感兴趣的可以自己玩一下&#xff1a; https://github.com/MemFire-Cloud/memfirecloud-qa 目前代码主要…

ffmpeg源码编译成功,但是引用生成的静态库(.a)报错,报错位置在xxx_list.c,报错信息为某变量未定义

背景&#xff1a;本文是对上一个文章的补充&#xff0c;在源码编译之前&#xff0c;项目是有完整的ffmpeg编译脚本的&#xff0c;只不过新增了断点调试ffmpeg&#xff0c;所以产生的上面的文章&#xff0c;也就是说&#xff0c;我在用make编译成功后&#xff0c;再去做的源码编…

Jenkins+Nginx+vue

安装nodejs 在这里插入图片描述 echo off xcopy C:\ProgramData\Jenkins\.jenkins\workspace\super_manage_vue\dist F:\java\www\super_manage_vue\ /s /e /y echo 复制文件完成 exit安装niginx 配置文件如下 #user nobody; worker_processes 1;#error_log logs/error.lo…

4、长度最小的子数组

找到一个数组中&#xff0c;有多少个连续元素的和小于某个值&#xff0c;求出连续元素的长度的最小值。 滑动窗口法&#xff1a; 其本质也是快慢指针&#xff0c;一个指针指向窗口的起始位置&#xff0c;另一个指针指向窗口的终止位置。 1.定义快慢指针&#xff1a; 2.更新慢指…

排序算法(二)

1.希尔排序-Shell Sort 1.算法原理 将未排序序列按照增量gap的不同分割为若干个子序列&#xff0c;然后分别进行插入排序&#xff0c;得到若干组排好序的序列&#xff1b; 缩小增量gap&#xff0c;并对分割为的子序列进行插入排序&#xff1b;最后一次的gap1&#xff0c;即整个…

【Linux操作系统】GCC编译与静态库、动态库制作详解

GCC是一款广泛使用的开源编译器&#xff0c;它支持多种编程语言&#xff0c;并且具有强大的编译能力。在软件开发中&#xff0c;我们经常需要将代码编译成可执行文件或者库文件。本文将详细介绍GCC编译过程以及如何制作静态库和动态库。 文章目录 一、GCC编译过程1. 预处理阶段…

打破传统直播,最新数字化升级3DVR全景直播

导语&#xff1a; 近年来&#xff0c;随着科技的不断创新和发展&#xff0c;传媒领域也正经历着一场前所未有的变革。在这个数字化时代&#xff0c;直播已经不再仅仅是在屏幕上看到一些人的视频&#xff0c;而是将观众带入一个真实世界的全新体验。其中&#xff0c;3DVR全景直…

架构训练营学习笔记:6-1 微服务

序 这部分是了解的。传统企业使用soa较多。很多企业银行、电信对于Oracle 依赖大&#xff0c;强调稳定性。各个项目侧重外包&#xff0c;技术栈不统一。 soa 历史 这个之前电信的BOSS系统就是这种架构&#xff0c;不知道现在呢&#xff0c;核心计费系统billing是运行在tuxduo…

【Linux】操作系统与冯诺依曼体系——深度解析(软硬件层面)

​ 前言 大家好吖&#xff0c;欢迎来到 YY 滴 Linux系列 &#xff0c;热烈欢迎&#xff01; 本章主要内容面向接触过Linux的老铁&#xff0c;从软硬件层面向大家介绍操作系统与冯诺依曼体系&#xff0c; 主要内容含&#xff1a; 欢迎订阅 YY滴Linux专栏&#xff01;更多干货持…