Lineare Methode der kleinsten Quadrate
Bevor Sie mit der Lösung eines Optimierungsproblems beginnen, müssen Sie den geeigneten Ansatz wählen: problembasiert oder solverbasiert. Für Details siehe Erster Schritt: Wählen eines problembasierten oder solverbasierten Ansatzes.
Die lineare Methode der kleinsten Quadrate löst min||C*x - d||2, gegebenenfalls mit Schranken oder linearen Nebenbedingungen.
Erstellen Sie beim problembasierten Ansatz Problemvariablen und stellen Sie anschließend die Zielfunktion und die Nebenbedingungen anhand dieser symbolischen Variablen dar. Die erforderlichen Schritte beim problembasierten Vorgehen finden Sie unterProblem-Based Optimization Workflow. Lösen Sie das resultierende Problem mithilfe der Funktion solve.
Die erforderlichen Schritte beim solverbasierten Vorgehen, einschließlich der Definition der Zielfunktion und der Nebenbedingungen sowie der Auswahl des geeigneten Solvers, finden Sie unter Solverbasierte Optimierungsproblem-Konfiguration. Lösen Sie das resultierende Problem mithilfe der Funktion lsqlin. Bei nichtnegativen kleinsten Quadraten können Sie auch lsqnonneg verwenden.
Funktionen
Live Editor Tasks
| Optimize | Optimieren oder Lösen von Gleichungen im Live-Editor |
Themen
Problembasierte lineare Methode der kleinsten Quadrate
- Shortest Distance to a Plane
Shows how to solve a linear least-squares problem using the problem-based approach. - Nonnegative Linear Least Squares, Problem-Based
Shows how to solve a nonnegative linear least-squares problem using the problem-based approach and several solvers. - Large-Scale Constrained Linear Least-Squares, Problem-Based
Solves an optical deblurring problem using the problem-based approach. - Write Objective Function for Problem-Based Least Squares
Syntax rules for problem-based least squares.
Solverbasierte lineare Methode der kleinsten Quadrate
- Optimize Live Editor Task with lsqlin Solver
Example showing the Optimize Live Editor task and linear least squares. - Nonnegative Linear Least Squares, Solver-Based
This example shows how to use several algorithms to solve a linear least-squares problem with the bound constraint that the solution is nonnegative. - Jacobian Multiply Function with Linear Least Squares
Example showing how to save memory in a large structured linear least-squares problem. - Warm Start Best Practices
Describes how best to use warm start for speeding repeated solutions. - Large-Scale Constrained Linear Least-Squares, Solver-Based
Solves an optical deblurring problem using the solver-based approach.
Codegenerierung
- Code Generation in Linear Least Squares: Background
Prerequisites to generate C code for linear least squares. - Generate Code for lsqlin
Example of code generation for linear least squares. - Optimization Code Generation for Real-Time Applications
Explore techniques for handling real-time requirements in generated code.
Problembasierte Algorithmen
- Write Objective Function for Problem-Based Least Squares
Syntax rules for problem-based least squares. - Problem-Based Optimization Algorithms
Learn how the optimization functions and objects solve optimization problems. - Supported Operations for Optimization Variables and Expressions
Explore the supported mathematical and indexing operations for optimization variables and expressions.
Algorithmen und Optionen
- Least-Squares (Model Fitting) Algorithms
Minimizing a sum of squares in n dimensions with only bound or linear constraints. - Optimization Options Reference
Explore optimization options.
