C#实战：如何用最小二乘法实现两组数据的二次函数拟合

1次阅读

共计 1810 个字符，预计需要花费 5 分钟才能阅读完成。

在工程和科学计算中，我们经常需要将实验数据拟合成数学模型。比如传感器校准、股票趋势预测、物理实验数据分析等场景。手动计算二次函数的拟合系数（a, b, c）既繁琐又容易出错，特别是当数据量大的时候。今天我们就来聊聊如何在 C# 中高效实现这个功能。

有两种主要的实现方式：

使用现成的数学库 MathNet.Numerics
手动实现最小二乘法

方案一：MathNet.Numerics

这是最快捷的方式。MathNet.Numerics 是一个强大的.NET 数学库，提供了现成的多项式拟合方法。

// 安装 NuGet 包：Install-Package MathNet.Numerics

using MathNet.Numerics;
using MathNet.Numerics.LinearAlgebra;

public (double a, double b, double c) FitPolynomial(double[] x, double[] y)
{if (x.Length != y.Length || x.Length < 3)
        throw new ArgumentException("数据点不足");

    // 使用二次多项式拟合
    var coefficients = Fit.Polynomial(x, y, 2);
    return (coefficients[2], coefficients[1], coefficients[0]);
}

方案二：手动实现最小二乘法

手动实现能让我们更深入理解算法原理，也更容易进行定制化调整。

public (double a, double b, double c) ManualFit(double[] x, double[] y)
{if (x.Length != y.Length || x.Length < 3)
        throw new ArgumentException("数据点不足");

    // 构建矩阵方程：A^T*A*X = A^T*Y
    var n = x.Length;
    var sumX = 0.0; var sumX2 = 0.0; var sumX3 = 0.0; var sumX4 = 0.0;
    var sumY = 0.0; var sumXY = 0.0; var sumX2Y = 0.0;

    for (int i = 0; i < n; i++)
    {var xi = x[i];
        var xi2 = xi * xi;
        var xi3 = xi2 * xi;
        var xi4 = xi3 * xi;

        sumX += xi;
        sumX2 += xi2;
        sumX3 += xi3;
        sumX4 += xi4;

        sumY += y[i];
        sumXY += xi * y[i];
        sumX2Y += xi2 * y[i];
    }

    // 解这个 3x3 线性方程组
    // | n    sumX   sumX2 | | c |   | sumY   |
    // | sumX sumX2  sumX3 | | b | = | sumXY  |
    // |sumX2 sumX3  sumX4 | | a |   | sumX2Y |

    // 使用矩阵求解...
    // 这里省略具体实现，可以使用 MathNet 的矩阵运算

    return (a, b, c);
}

代码复杂度 ：MathNet 明显更简单
计算精度 ：两者相当，但 MathNet 经过了更多优化
性能：对于小型数据集差异不大，大数据集时 MathNet 更优

数据点不足 ：至少需要 3 个点才能拟合二次函数
矩阵病态问题 ：当 x 值过于接近时可能出现，可以尝试中心化处理
浮点精度 ：对于极端值，考虑使用 decimal 类型

计算 R 平方值 ：

double CalculateRSquared(double[] x, double[] y, Func<double, double> fittedFunc)
{var yMean = y.Average();
    var ssTot = y.Sum(yi => Math.Pow(yi - yMean, 2));
    var ssRes = y.Zip(x, (yi, xi) => Math.Pow(yi - fittedFunc(xi), 2)).Sum();
    return 1 - (ssRes / ssTot);
}

性能测试 ：建议使用 BenchmarkDotNet 进行基准测试