20、C++ 线性拟合函数实现

manyuan4374

已于 2025-05-22 17:54:42 修改

阅读量406

点赞数 4

CC 4.0 BY-SA版权

分类专栏：几何算法开发手册文章标签： c++ 开发语言矩阵几何学决策树线性代数均值算法

于 2025-05-22 17:38:15 首次发布

本文链接：https://blog.csdn.net/manyuan4374/article/details/148145775

几何算法开发手册专栏收录该内容

30 篇文章

订阅专栏

文章目录

引言

在 C++ 中实现线性拟合（Linear Fit），可以通过最小二乘法（Least Squares Method）来计算最佳拟合直线的斜率和截距。以下是一个完整的线性拟合函数实现，包括输入数据点、计算斜率和截距，并输出拟合结果。

过程

线性拟合公式

给定一组数据点 (xi, yi)，线性拟合的目标是找到一条直线 (y = mx + b)，使得误差平方和最小。斜率和截距的计算公式如下：
在这里插入图片描述
其中：

(N) 是数据点的数量。
(m) 是斜率。
(b) 是截距。

实现代码

#include <iostream>
#include <vector>
#include <tuple>

// 线性拟合函数
std::tuple<double, double> linearFit(const std::vector<double>& x, const std::vector<double>& y) {
	if (x.size() != y.size() || x.empty()) 
		throw std::invalid_argument("Input vectors must be of the same non-zero size.");    	
	}

	size_t N = x.size();
	double sumX = 0.0, sumY = 0.0, sumXY = 0.0, sumX2 = 0.0;
	// 计算各项和
	for (size_t i = 0; i < N; ++i) {
		sumX += x[i];
		sumY += y[i];
		sumXY += x[i] * y[i];
		sumX2 += x[i] * x[i];
	}

	// 计算斜率 (m) 和截距 (b)
	double m = (N * sumXY - sumX * sumY) / (N * sumX2 - sumX * sumX + 1e-5);
	double b = (sumY - m * sumX) / N;
	return std::make_tuple(m, b);
}

int main() {
	// 示例数据点
	std::vector<double> x = {1, 2, 3, 4, 5};
	std::vector<double> y = {2, 4, 5, 4, 5};
	try {
		// 进行线性拟合
		auto [m, b] = linearFit(x, y);
		// 输出结果
		std::cout << "拟合直线方程: y = " << m << " * x + " << b << std::endl;
		// 预测新值
		double newX = 6;
		double predictedY = m * newX + b;
		std::cout << "当 x = " << newX << " 时，预测 y = " << predictedY << std::endl;
	} catch (const std::exception& e) {
		std::cerr << "错误: " << e.what() << std::endl;
	}

	return 0;
}