Java 中的非线性（双曲线）曲线拟合
Nonlinear (hyperbola) curve fitting in Java
我的算法可以在 运行 时间内生成数据。可以保证该值在一段时间内呈下降趋势，在理想条件下它会类似于双曲线（或至少具有双曲线形状）。基本绘制图（x 轴是时间，y 轴是值）如下所示：
现在，我想预测 运行 时间段内 n 时间步后的值会是什么样子。我尝试使用 org.apache.commons.math3 中的线性或多项式回归，但显然，预测效果不佳，因为曲线既不是线性的也不是多项式的。此外，这两个预测都提供了没有向下趋势的曲线。
为了解决这个问题，我尝试使用 odinsbane's least squares，但我无法提供正确的第一参数假设，因此无法正确拟合曲线。
所以我的问题是：是否有任何 kotlin/java 库可以在我不提供第一个参数估计的情况下正确地拟合我的数据？
我的最终解决方案是使用 this，它是 Levenberg–Marquardt 求解器。
我将通用双曲线函数 a + b/(x + c) 分解为 a * c + a * x + b - y * c = xy - 因此：
setTargetValues 收到 x*y 数据setValues 提供了 a * c + a * x + b - y * c 个值setDerivatives 提供了 [c + x, 1, a - y] 个值
这让我能够适应 "hyperbolic like" 数据。
我的算法可以在 运行 时间内生成数据。可以保证该值在一段时间内呈下降趋势，在理想条件下它会类似于双曲线（或至少具有双曲线形状）。基本绘制图（x 轴是时间，y 轴是值）如下所示：
现在，我想预测 运行 时间段内 n 时间步后的值会是什么样子。我尝试使用 org.apache.commons.math3 中的线性或多项式回归，但显然，预测效果不佳，因为曲线既不是线性的也不是多项式的。此外，这两个预测都提供了没有向下趋势的曲线。
为了解决这个问题，我尝试使用 odinsbane's least squares，但我无法提供正确的第一参数假设，因此无法正确拟合曲线。
所以我的问题是：是否有任何 kotlin/java 库可以在我不提供第一个参数估计的情况下正确地拟合我的数据？
我的最终解决方案是使用 this，它是 Levenberg–Marquardt 求解器。
我将通用双曲线函数 a + b/(x + c) 分解为 a * c + a * x + b - y * c = xy - 因此：
setTargetValues收到x*y数据setValues提供了a * c + a * x + b - y * c个值setDerivatives提供了[c + x, 1, a - y]个值
这让我能够适应 "hyperbolic like" 数据。