C++代碼：用 C++ 實(shí)現(xiàn)線(xiàn)性擬合
線(xiàn)性擬合是一種常見(jiàn)的數(shù)據(jù)分析方法，用于找到一條最佳擬合直線(xiàn)來(lái)描述數(shù)據(jù)點(diǎn)的趨勢(shì)。在C++中，我們可以使用最小二乘法來(lái)實(shí)現(xiàn)線(xiàn)性擬合。最小二乘法是一種通過(guò)最小化殘差平方和來(lái)擬合數(shù)據(jù)的方法。
最小二乘法
最小二乘法是一種常用的擬合方法，它通過(guò)最小化實(shí)際觀測(cè)值與擬合值之間的殘差平方和來(lái)確定擬合直線(xiàn)的參數(shù)。在線(xiàn)性擬合中，我們假設(shè)擬合直線(xiàn)的公式為y = kx + b，其中k是斜率，b是截距。
1. 程序概述
我們的目標(biāo)是編寫(xiě)一個(gè)程序，可以接受一組數(shù)據(jù)點(diǎn)作為輸入，并使用最小二乘法來(lái)擬合一條直線(xiàn)。最小二乘法是一種常用的擬合方法，它通過(guò)最小化數(shù)據(jù)點(diǎn)到擬合直線(xiàn)的垂直距離的平方和來(lái)確定最佳擬合直線(xiàn)的參數(shù)。
2. 程序?qū)崿F(xiàn)
(1) 數(shù)據(jù)輸入
我們首先需要定義一個(gè)結(jié)構(gòu)體來(lái)存儲(chǔ)數(shù)據(jù)點(diǎn)的x和y坐標(biāo)：
struct DataPoint {
double x;
double y;
};然后，我們可以使用一個(gè)向量來(lái)存儲(chǔ)所有的數(shù)據(jù)點(diǎn)：
std::vector<DataPoint> dataPoints;用戶(hù)可以通過(guò)鍵盤(pán)輸入或從文件中讀取數(shù)據(jù)點(diǎn)，并將它們存儲(chǔ)在dataPoints向量中。
(2) 最小二乘法計(jì)算
接下來(lái)，我們需要實(shí)現(xiàn)最小二乘法的計(jì)算過(guò)程。我們可以定義一個(gè)函數(shù)leastSquares來(lái)執(zhí)行計(jì)算，并將擬合直線(xiàn)的斜率和截距作為輸出參數(shù)：
void leastSquares(const std::vector<DataPoint>& dataPoints, double& slope, double& intercept) {
// 計(jì)算斜率和截距
// ...
}在函數(shù)內(nèi)部，我們可以使用最小二乘法的公式來(lái)計(jì)算斜率和截距。具體的計(jì)算過(guò)程可以參考相關(guān)的數(shù)學(xué)資料[1]。
(3) 結(jié)果輸出
最后，我們可以將擬合直線(xiàn)的斜率和截距輸出到屏幕上：
std::cout << "擬合直線(xiàn)的方程為: y = " << slope << "x + " << intercept << std::endl;簡(jiǎn)單示例
假設(shè)我們有一組散點(diǎn)數(shù)據(jù)：
P1（1, 3）
P2（2, 5）
P3（3, 7)
P4（4, 9)
P5（5, 11)
P6（6,13 )
P7（7, 15)
P8（8, 17)
P9（9, 19)我們希望用一條直線(xiàn)來(lái)擬合這些數(shù)據(jù)點(diǎn)，我們可以通過(guò)數(shù)學(xué)方法得到擬合直線(xiàn)的表達(dá)式為y = 2x + 1。
現(xiàn)在讓我們使用C++來(lái)實(shí)現(xiàn)這個(gè)線(xiàn)性擬合的程序。
代碼案例：
#include <iostream>
#include <vector>
#include <numeric>
using Parameter = struct {
double k; // 斜率
double b; // 截距
};
// 最小二乘法計(jì)算過(guò)程
bool LeastSquares(std::vector<double>& X, std::vector<double>& Y, Parameter& param)
{
if (X.empty() || Y.empty())
return false;
int n = X.size();
double sumX = std::accumulate(X.begin(), X.end(), 0.0);
double sumY = std::accumulate(Y.begin(), Y.end(), 0.0);
double sumXY = 0.0;
double sumX2 = 0.0;
for (int i = 0; i < n; i++) {
sumXY += X[i] * Y[i];
sumX2 += X[i] * X[i];
}
double meanX = sumX / n;
double meanY = sumY / n;
param.k = (sumXY - n * meanX * meanY) / (sumX2 - n * meanX * meanX);
param.b = meanY - param.k * meanX;
return true;
}
int main()
{
std::vector<double> X = {1, 2, 3, 4, 5, 6, 7, 8, 9};
std::vector<double> Y = {3, 5, 7, 9, 11, 13, 15, 17, 19};
Parameter param;
if (LeastSquares(X, Y, param)) {
std::cout << "擬合直線(xiàn)的方程為: y = " << param.k << "x + " << param.b << std::endl;
} else {
std::cout << "擬合失敗" << std::endl;
}
return 0;
}
