多项式曲线拟合中的初学者问题[第1部分]

Question

我刚刚开始了解基于回归模型的建模技术，并且正在通过MATLAB曲线拟合工具箱和SO。我有根本的疑虑，无法继续前进。我有一个k = 100个数据点的单个向量集我想连续适应AR模型，MA模型，ARMA模型以查看哪个更适合。从形式为{{1}的AR（p）模型开始命令

y(k+1)=a*y(k)+ b*y(k-1)

将拟合程度为coeff = polyfit(x,y,d) = 1的多项式，其中d个系数表示模型的顺序（AR（p））。但我只有一组数据，它是角度矩的记录。那么，什么将作为函数签名的第一个参数（x），即什么是x，y？那么，如果线性模型不是什么呢？足够好，所以我可能不得不选择非线性模型。有人可以用代码片段来指导拟合，检查过度拟合，残差计算等步骤。

Answer 1

x可能是k（y的索引）。整个代码：

c =polyfit(1:length(y), y, d)。

Matlab有一个curve fitting toolbox。您可以使用它来检查GUI中的不同非线性拟合以获得一些直觉。

如果你想要步骤，那就是一个很棒的Coursera Machine Learning课程。本课程的开头与线性回归有关，我建议你至少在那个开始花几个小时。