C++ 如何为C+中的一组未知2D点生成最佳曲线拟合+；

我正在尝试为一组未知的2D点获取最佳拟合。这些点是河流的中心点，它们不是按特定顺序排列的。 我尝试过使用多项式回归，但我不知道不同数据集的最佳多项式顺序是什么

我也尝试过三次样条曲线，但我不想要一条穿过所有点的线，我想要一条穿过这些点的最佳拟合线的近似值

我想得到这样的东西，即使是曲线较多的直线。这个例子是用多项式回归计算的，效果很好

有没有一种方法可以做一些平滑或回归算法，即使对于下面这样的一组点也可以得到最佳拟合线

多项式回归pol；
静态整数多项式=；
双误差=0.005f；
向量系数；
pol.fitIt（x，y，多项式，系数）；
//获取拟合值
对于（std:：size_t i=0；i=0）
{
yFitted+=（系数[顺序]*功率（点[i].x，顺序）+错误）；
命令--；
}
点[i].y=yFitted；
}

在我用35个多项式阶的实现中，这是我能得到的全部，并且用更高的值改变多项式阶会变成系数的Nan值

---

我不确定这是否是我能找到的最佳方法。

你在寻找线性回归吗？不，非线性什么是非线性？线性回归中的“线性”是指由此产生的方程组。我知道你想要拟合一条直线，而线性回归可以做到这一点（还有更多），我不想拟合一条直线，这就是为什么线性回归不能工作。我使用多项式回归，但它在任何时候都不匹配。你看到我附上的照片了吗？好吧，我误解了。没有直线，尽管“这就是线性回归无法工作的原因”是不对的。无论如何，你应该展示你所尝试的，并解释为什么它不起作用

    PolynomialRegression<double> pol;
    static int polynomOrder = <whateverPolynomOrderFitsBetter>;
    double error = 0.005f;
    std::vector<double> coeffs;
    pol.fitIt(x, y, polynomOrder, coeffs);
    // get fitted values
    for(std::size_t i = 0; i < points.size(); i++)
    {
        int order = polynomOrder;
        long double yFitted = 0;
        while(order >= 0)
        {
            yFitted += (coeffs[order] * pow(points[i].x, order) + error);
            order --;
        }
        points[i].y = yFitted;
    }