美賽快開始了，抱佛腳
學習網課的筆記
處理離散資料，插值與擬合就是通過這些資料確定某一類已知函式的引數或尋求某個近似函式，使所得到的近似函式與已知資料有較高的擬合精度
插值問題：要求這個近似函式（曲線、曲面）經過所已知的所有資料點。
資料擬合：不要求近似函式通過所有資料點，而是要求它能較好的反映資料變化規律的近似函式。（最終將得出乙個函式表示式）
插值的方法
（1）拉格朗日插值 //某點出現缺失，進行一維插值
（2）分段線性插值
（3）hermite
（4）三次樣條插值 //空間中間斷點的插值
（5）克里金插值 //環境學、地理學、空間插值
一維插值
yi=interp1(x, y, xi, 'method')xi：要插入點的x值
『method』：選擇的插值演算法，取值如下
'nearest' 最鄰近插值
'linear' 線性插值
'spline' 三次樣條插值（感覺會更好一點）
'cubic' 立方插值
不寫 分段線性插值
二維插值（網格點插值，自變數是兩個）
z=interp2(x0, y0, z0, x, y, 'method')x、y：要插入點的x值
『method』：選擇的插值演算法，取值如下
'nearest' 最鄰近插值
'linear' 線性插值
'cubic' 立方插值
不寫 分段線性插值
cz=griddata(x, y, z, cx, cy, 'method')cx、cy：要插入點的x值
『method』：選擇的插值演算法，取值如下
'nearest' 最鄰近插值
'linear' 雙線性插值
'cubic' 雙三次插值
'v4' matlab提供的插值方法
不寫 雙線性插值
[x,y]=meshgrid(x,y)直線擬合
曲線擬合
觀察資料修勻
使n個點(xi, yi)與曲線y=f(x)的距離的平方和最小
擬合的matlab實現
做多項式
擬合，可以利用函式
a=polyfit(x, y, m)m：擬合多項式的次數
求多項式在x處的y值可以用以下命令：
y=polyval(a, x)x=0:0.1:1;
y=[-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2];
a=polyfit(x, y, 2) %a是該多項式的係數矩陣
z=polyval(a, x);
plot(x, y, 'k+', x, z, 'r') %作出資料點以及擬合曲線的圖形
美賽常用演算法學習筆記（1）
美賽快開始了，抱佛腳 網課的筆記 常用演算法彙總 資料處理 插值擬合 主要用於對資料的補全和基本趨勢分析 小波分析，聚類分析 高斯混合聚類，k 均值聚類等 主要用於診斷資料異常值並進行剔除 主成分分析 線性判別分析 區域性保留投影等 主要用於多維資料的降維處理，減少資料冗餘關聯與因果 灰色關聯分析方...
美賽常用演算法學習筆記（2）線性規劃模型
美賽快開始了，抱佛腳 學習網課的筆記 規劃問題 利益的最大化問題 規劃類應用場景 運輸排程 供需分配下的利益最大化 物流排程 資源分配 求最值 題目中給出限定性條件 從若干可能的計畫 方案 中尋求某種意義下的最優方案，數學上將這種問題成為最優化問題 優化模型的三個要素 決策變數 決策者所控制的那些數...
牛頓法與擬牛頓法學習筆記（四）BFGS 演算法
機器學習演算法中經常碰到非線性優化問題，如 sparse filtering 演算法，其主要工作在於求解乙個非線性極小化問題。在具體實現中，大多呼叫的是成熟的軟體包做支撐，其中最常用的乙個演算法是 l bfgs。為了解這個演算法的數學機理，這幾天做了一些調研，現把學習過程中理解的一些東西整理出來。目...