最小二乘法曲线拟合

除了梯度下降法去拟合曲线，最小二乘法也是另一个方法。和梯度下降不断迭代求出极值不同的是，最小二乘法是直接求导计算出参数。数学的问题还是参考数学相关的资料吧，同时可以@refer http://blog.csdn.net/jairuschan/article/details/7517773

下面直接上代码。

/*
 * 利用最小二乘法求拟合参数
 *
 * @auther menmei
 * @date 2017/03/27
 */

/*
 * Least Square Procedure
 * @fomula w = (x'x)-1x'y
 */

/*
 * 获取矩阵的转秩
 *
 * @param Array
 * @return Array
 *
 */
function getMatrixT($origin){
    $lines = count($origin);
    if($lines <= 0) return False;
    $rowsArr = $origin[0];
    if(!is_array($rowsArr)) return False;
    $rows  = count($origin[0]);

    $return = [];

    for($i = 0; $i < $lines; $i ++){
        for($j = 0; $j < $rows; $j ++){
            $return[$j][$i] = $origin[$i][$j];

        }
    }
    return $return;
}

/*
 * 矩阵相乘
 *
 * @param Array $a
 * @param Array $b
 *
 * @condition rows(A) = lines(B)
 * @return Array $return
 */
function matrixMulti($a, $b){
    $linesA = count($a);
    $rowsA  = count($a[0]);
    $linesB = count($b);
    $rowsB = count($b[0]);
    if($rowsA != $linesB) return False;
    //echo  $rows;
    //if($linesA == 0 || $rowsB == 0) return False;
    for($i = 0; $i < $linesA; $i++){
        for($j = 0; $j < $rowsB; $j ++){
            $num = 0;
            for($z = 0; $z < $rowsA; $z ++){
                $num += $a[$i][$z] * $b[$z][$j];
            }
            $return[$i][$j] = $num;
        }
    }
    return $return;
}
/*
 *求矩阵的模
 * @refer http://blog.csdn.net/shanshanpt/article/details/16820325
 */
function calculate_A( $src, $n )
{
    $result = 0.0;

    if( $n == 1 )
    {
        return $src[0][0];
    }

    for( $i = 0; $i < $n; ++$i )
    {
        for( $j = 0; $j < $n - 1; ++$j )
        {
            for( $k = 0; $k < $n - 1; ++$k )
            {
                $x = $j + 1;
                $y = $k >= $i ? $k + 1 : $k;

                $tmp[$j][$k] = $src[$x][$y];
            }
        }

        $t = calculate_A( $tmp, $n - 1 );

        if( $i % 2 == 0 )
        {
            $result += $src[0][$i] * $t;
        }
        else
        {
            $result -= $src[0][$i] * $t;
        }
    }

    return $result;
}

/*
 * 伴随矩阵
 * @refer http://blog.csdn.net/shanshanpt/article/details/16820325
 */

function getAdjoint( $origin )
{
    $n = count($origin);

    if( $n == 1 )
    {
        $dst[][] = 1;
        return;
                          
    }

    for( $i = 0; $i < $n; ++$i )
    {
        for( $j = 0; $j < $n; ++$j )
        {
            for( $k = 0; $k < $n - 1; ++$k )
            {
                for( $t = 0; $t < $n - 1; ++$t )
                {
                    $x = $k >= $i ? $k + 1 : $k ;
                    $y = $t >= $j ? $t + 1 : $t;

                    $tmp[$k][$t] = $origin[$x][$y];
                }
            }
            $ret[$j][$i]  =  calculate_A( $tmp, $n - 1 );

            if( ( $i + $j ) % 2 == 1 )
            {
                $ret[$j][$i] = -1*$ret[$j][$i];
            }
            $ret[$j][$i] = 1/260*$ret[$j][$i];
        }
    }

    return $ret;
}

/***************** EXAMPLE ******************/
$a = [[1, 2], [1, 6], [1, 9], [1, 13]];
$y = [[4],[8],[12],[21]];
$aT = getMatrixT($a);
$aTa = matrixMulti($aT, $a);
$t = getAdjoint($aTa);
$ret = matrixMulti($t, $aT);
$ret = matrixMulti($ret, $y);
var_dump($ret);
//$dataset = [[1,4],[2,5],[5,1],[4,2]];
//$dataret = [19,26, 19, 20];
//$expect  = [10, 10];
//$step  = 0.001;
//$times = 1000000;

求伴随矩阵和矩阵的模的两个函数 自己写的不太好，运行起来比代码里用的函数慢多了。。就不放出来了，这里用的是参考一篇文章的代码。原代码是C语言写的。谢谢[shanshanpt] http://blog.csdn.net/shanshanpt/article/details/16820325。

还有一些相关的函数。

/*
 * 获得逆序数
 * @auther menmei
 * @date 2017/03/27
 */

function getInversionNumber($arr){
    $Total = count($arr);
    $inversionNum = 0;
    $exist = [];

    for($i = 0; $i < $Total; $i ++){
        if($arr[$i] >= 1){
            $tmp = range(0, $arr[$i] - 1);
            //在tmp中有 但exist没有的。
            $diff = array_diff($tmp, $exist);
            $inversionNum += count($diff);
        }
        $exist[] = $arr[$i];
    }
    return $inversionNum;
}