本發明公開了一種數據擬合方法和裝置。其中，該方法包括：獲取待擬合數據；使用選定的至少一個擬合函數對待擬合數據進行擬合，得到至少一個擬合結果；根據每個擬合結果對應的擬合優度，對多個擬合結果進行篩選。本發明解決了現有技術中數據擬合根據人工經驗選擇擬合函數導致數據擬合的效率低的技術問題。

技術領域

本發明涉及計算機領域，具體而言，涉及一種數據擬合方法和裝置。

背景技術

在大數據時代，無論是新媒體還是互聯網，都涉及到了大量的用戶以及巨大量的數據。如何對這些數據進行合理有效的利用，讓數據真正可以為我們的生產、生活服務，這將是我們面對海量數據時的需要面對的問題。

為了對更好的利用大數據用，需要關心通過大數據找到兩個，或者多個變量之間的某種相關關系，并以此作為參考和指導，從而加以利用，進一步促進和影響我們的工作和生活。當將兩組數據進行擬合時，選擇合適的擬合函數才能使待擬合數據進行更好的擬合，具有更高的擬合度。

對于已有的技術，都是人工按照經驗、或隨機的方式選擇擬合函數，進行建模和數據擬合。當面對兩組或者多組并不熟悉其性質的數據時，只能采用隨機猜測的方法，人為的選擇一種或幾種擬合函數，進行擬合試驗。這種通過人工進行的擬合函數的選取的方法，是一種重復程度較高的工作，十分耗費人力和時間。在選擇擬合函數時，如果選擇太少的擬合函數，可能會導致所選擬合函數不當，無法達到較高的擬合優度；如果選擇較多的擬合函數，就需要人工的反復擬合實驗，繁瑣而耗費人力。例如，根據預設數據特性，將待擬合數據集中的數據分成n組待擬合數據，n≥2；對n組待擬合數據中滿足預設擬合條件的待擬合數據進行擬合得到k個擬合函數，1≤k≤n；獲取最終擬合函數，最終擬合函數為k個擬合函數的乘積。

針對現有技術中數據擬合根據人工經驗選擇擬合函數導致數據擬合的效率低的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種數據擬合方法和裝置，以至少解決現有技術中數據擬合根據人工經驗選擇擬合函數導致數據擬合的效率低的技術問題。

根據本發明實施例的一個方面，提供了一種數據擬合方法，包括：獲取待擬合數據；使用選定的至少一個擬合函數對所述待擬合數據進行擬合，得到至少一個擬合結果；根據每個擬合結果對應的擬合優度，對多個擬合結果進行篩選。

進一步地，啟動多個線程分別通過選定的至少一個擬合函數對待擬合數據進行擬合，得到至少一個擬合結果。

進一步地，計算每個擬合結果對應的擬合優度；從多個擬合結果中篩選出擬合優度最高的擬合結果，作為最終的擬合結果。

進一步地，在選定的擬合函數為一個擬合函數的情況下，如果具有多個待擬合數據，則啟動多個線程通過選定的一個擬合函數同時對多個待擬合數據進行擬合。

進一步地，選定的至少一個擬合函數包括：線性擬合函數、多項式擬合函數、指數擬合函數和對數擬合函數。

根據本發明實施例的另一方面，還提供了一種數據擬合裝置，包括：第一獲取模塊，用于獲取待擬合數據；第二獲取模塊，用于使用選定的至少一個擬合函數對待擬合數據進行擬合，得到至少一個擬合結果；篩選模塊，用于根據每個擬合結果對應的擬合優度，對多個擬合結果進行篩選。

進一步地，啟動子模塊，用于啟動多個線程分別通過選定的至少一個擬合函數對待擬合數據進行擬合，得到至少一個擬合結果。

進一步地，在選定的擬合函數為一個擬合函數的情況下，如果具有多個待擬合數據，則啟動多個線程通過選定的一個擬合函數同時對多個待擬合數據進行擬合。

進一步地，選定的至少一個擬合函數包括：線性擬合函數、多項式擬合函數、指數擬合函數和對數擬合函數。