MIMU中常见的数学优化方法

常见的数学优化方法"/>

MIMU中常见的数学优化方法

1、最小二乘/最小平方法：残差平方和最小/平方损失函数/

       它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。

超定方程组：超定指方程个数大于未知量个数；

如果预测的变量是离散的，我们称其为分类（如决策树，支持向量机等；

如果预测的变量是连续的，我们称其为回归；

回归分析中，如果只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。

附matlab程序：

clear;clc;close all;
x=[0.5,1.0,1.5,2.0,2.5,3.0];
y=[1.75,2.45,3.81,4.80,7.00,8.60];
p=polyfit(x,y,2)
x1=0.5:0.5:3.0;
y1=polyval(p,x1);
figure;
h=plot(x,y,x1,y1);
set(h,'LineWidth',2,{'LineStyle'},{'--';':'})
set(h,{'Color'},{'r';'g'})
axis([0.5 3 0 10])
grid on
xlabel('Time')
ylabel('Amplitude')
legend(h,'First','Second')
title('Math Functions')

显示结果：

参考链接：

最小二乘法

高斯牛顿法 matlab代码实现

【math】梯度下降法(梯度下降法，牛顿法，高斯牛顿法，Levenberg-Marquardt算法)