|
數值方法
Mathematica 指令
函數近似
|
Fit[{f1,f2,..},{1,x},x] |
指定變數為x作線性擬合 |
|
|
Fit[{f1,f2,..},{1,x,x^2},x] |
二次多項式擬合 |
|
|
Fit[{f1,f2,..},Table{x^i,{i,0,n},x] |
n階多項式擬合 |
|
|
Fit[data,funs,vars] |
將data用funs做曲線擬合 |
|
|
Fit[{x1,f1},{x2,f2},..,funs,vars] |
對二維的點做曲線擬合 |
|
|
Fit[{x1,y1,..f1},{x2,y2,...f2},..,funs,vars] |
對多維的點做曲線擬合 |
|
|
InterpolatingPolynomial[{f1,f2,...},x] |
x為自然數時求f的內插多項式 |
|
|
InterpolatingPolynomial[{{x1,f1},{x2,f2},...},x] |
求f(xn)=fn的內插多項式 |
|
|
Interpolation[{f1,f2,f3,...,fn}] |
以f(n)=fn建立近似函數 |
|
|
Interpolation[{{x1,f1},{x2,f2},...,{xn,fn}}] |
以f(xn)=fn建立近似函數 |
|
|
Interpolation[{{x1,y1,..,f1},{x2,y2,..f2},...,{xn,yn,..,fn}}] |
以f(xn,yn,...)=fn建立近似函數 |
|
線性迴歸(Linear Regression)
|
<<Statistics`LinearRegression` |
先讀入函數 |
|
|
Regress[data,{1,x,x^2},x] |
用二次曲線來迴歸 |
|
|
Regress[data,{1,x1,x2,x1x2},{x1,x2}] |
用二獨立變數來迴歸 |
|
|
Regress[data,{f1,f2,..},vars] |
用fn的線性組合來迴歸 |
|
非線性近似(Nonlinear Fit)
|
NonlinearFit[data,model,vars,paras] |
用最小平方法來近似非線性函數 |
|
|
NonlinearRegress[data,model,vars,paras] |
用回歸診斷來近似非線性函數 |
|
|
