最近、図のこの種として、線形代数をお読みください。。。もっと迷惑な本の出版泥棒不快な、基本的な定義や定理は大胆であり、同じレイアウトを追加していない、一度本を放棄することを望んでいたようで、あまりにも近くにあります。
焦点は、ハハハッハッハ、ここではありません。
数日は、これらの行の世代を読んだ後、私たちは、食品皿ものの、後にラフな理解を持って、私はまだしたいとシフトとシフト。考える前に、私は、最小二乗法を学んだが、最小二乗、ラインと、コードの二階です。しかし、学んだラインは常に先史時代の身体を拘束表します。。。（トイレに行きます）
N次の線形方程式は次のよう：
次に、最小二乗線形方程式に従って計算される、第一（Xサンプルkのサンプルサイズで、損失関数を書き込み、n次関数（n + 1つの係数の合計）は、損失関数Lに合うようにI）。
説明：Yサンプル値使用私は理論値Fを減算することは、（XがIで差を二乗）が得られます。このようなサンプルは、差分理論の広場で得ることができ、私たちの目的は、サンプル関数論に近い最小値との間のすべての可能な違いを作ることです。
今全てのサンプルは、プロセスを実行するために必要であり、L（XのすべてのIは）プロセスL関数を合計することによって得られます。
そして、次の目標を議論し、目標はその後、位置0の微分の最小値であるべき機能で行われた可能L、限り最小限に抑えることであるが、多機能であり、我々はデフレクタを処理する必要があります。
ここでは、第1のY既知量、未知の量を決定するIとX Iは既知の量であり、そして0、 A 1、2 ....... N-不明です。
だから、偏微分（数学、複雑な機能偏微分の基礎を注意してください）を開始しました：
はい、私たちは法律が来る見つけなければならないと考えています。
次に、一般式は以下のとおりです。
N + 1の合計（0から始まるN個の点に注意）式を介して、我々は、AX = Bに準拠するために、以下の式を変更し、A、X、Bは行列であることに注意してください。
あなたは仮定することができます。
次いで、対応するマトリックス。
だから、次のステップは、一次方程式を解くことです！
方程式AX = Bは、まず、必要の解決策は、我々は、係数行列式は、例えば、我々はデータを続くことができるX-上三角へとして下三角または上三角、となるように処理された' N- +する。1 ・N - +。1 × N- = Y I X Iには、n-要素に先行再帰処理を解いた後、。
ここで、処理は、ガウスの消去法を用いて行ったが、他の対角線の要素を行ごとに消去を使用してガウス消去法が0でないことに注意されます。もちろん、あなたも、このようなLU、ヤコビ法などの他の方法を使用することができます。
最後に、再生するためにC言語を使用してコード自体は、投稿の最後を置きます。私たちは、プログラムを検証するためのデータセットを取ります。
ダウンロードリンクします。https：//files.cnblogs.com/files/inkhearts/multi_least_square_method.rar