实验项目 已知函数f(x在若干点的函数值:

一、一元数据处理方法 1、插值法 2、数据拟合 2.1 线性最小二乘拟合（多项式拟合）方法 2.2 回归分析方法 二、多元数据处理方法 1、二维插值 2、多元回归分析 3、聚类分析 4、主成分分析 三、如何写好建模竞赛论文

给出一组离散点，确定一个函数逼近原函数，插值是这样的一种手段。 在实际中，数据不可避免的会有误差，插值函数会将这些误差也包括在内。 因此，我们需要一种新的逼近原函数的手段： ①不要求过所有的点（可以消除误差影响）；

§1 插值方法 §2 曲线拟合的线性最小二乘法 §3 最小二乘优化 §4 曲线拟合与函数逼近 §5 黄河小浪底调水调沙问题

众所周知,使用高阶多项式的插值常常产生病态的结果。目前,有多种消除病态的方 法。在这些方法中,三次样条是最常用的一种在 MATLAB中,实现基本的三次样条插值 的函数有 spline, ppval,mkpp和 unmkpp。在这些函数中,仅 spline在《 MATLAB参考 指南》中有说明。下面几节,将展示在M文件函数中实现三次样条的基本特征

定义设a=xn