使用最小二乘法在 MATLAB 中查找最小值点和最小值

最小二乘法是一种常见的回归分析方法，主要应用于线性回归分析中。如果要在 MATLAB 中使用最小二乘法获取极小值点并找出最小值，可以按照以下步骤进行操作：

1. 定义数据点

首先，需要定义一组数据点，可以使用 MATLAB 中的向量或矩阵表示。例如，假设有如下的数据点：

x = [0.0, 0.2, 0.4, 0.6, 0.8, 1.0]';
y = [0.1, 0.4, 0.9, 1.6, 2.5, 3.6]';

2. 构建模型

接下来，需要构建一个模型，用来拟合数据点。在最小二乘法中，通常使用一个线性模型，即：

y = a*x + b

其中，a 和 b 是模型中的参数，需要通过最小二乘法进行求解。

3. 求解参数

使用 MATLAB 中的 polyfit 函数可以求解模型中的参数。polyfit 函数的语法如下：

p = polyfit(x, y, n)

其中，x 和 y 分别表示数据点的横纵坐标，n 表示拟合的多项式次数。在线性回归中，n 为 1。polyfit 函数会返回一个包含模型参数的向量 p，其中 p(1) 表示 a，p(2) 表示 b。

p = polyfit(x, y, 1)

4. 计算极小值点

由于线性模型是一条直线，因此其极小值点即为函数的最低点。可以通过求导数的方法来计算极小值点所对应的横坐标。在这里，可以使用 MATLAB 中的 diff 函数来对向量进行求导操作。首先，需要对模型进行求导，得到斜率值。然后，用斜率值等于 0 的横坐标即可得到极小值点。

a = p(1);
b = p(2);
slope = diff(y) ./ diff(x);
min_idx = find(slope(1:end-1) .* slope(2:end) < 0) + 1;
min_x = x(min_idx);

5. 计算最小值

最小值即为极小值点所对应的纵坐标。可以使用 polyval 函数来计算模型在极小值点处的纵坐标。

min_y = polyval(p, min_x);

这样，就可以用最小二乘法在 MATLAB 中获取极小值点并找出最小值了。完整的代码如下：

x = [0.0, 0.2, 0.4, 0.6, 0.8, 1.0]';
y = [0.1, 0.4, 0.9, 1.6, 2.5, 3.6]';

p = polyfit(x, y, 1);
a = p(1);
b = p(2);

slope = diff(y) ./ diff(x);
min_idx = find(slope(1:end-1) .* slope(2:end) < 0) + 1;
min_x = x(min_idx);

min_y = polyval(p, min_x);

disp(['Minimum value: ', num2str(min_y)]);
disp(['Minimum point: (', num2str(min_x), ', ', num2str(min_y), ')']);