C++ 最小二乘稳健回归C++；

我有一组数据

z（0），z（1），z（2）…，z（n）

，我目前正在用一个2变量多项式来拟合，这类多项式是

p（x，y）=a（1）*x^2+a（2）*y^2+a（3）*x*y+a（4）

。我有

I=1，…，n

（x（I），y（I））

我施加的坐标是

p（x（I），y（I））=z（I）

。这样我就有了一个超定的系统，我可以用它来解决。我正在寻找一种更复杂的方法，可以处理离群值，比如最小二乘稳健回归（中值）的最小中位数，但我还没有找到2个变量的C++实现。我查看了GSL，但似乎没有2个变量函数。我能想到的唯一其他解决方案是在中使用TGraph2D。你知道其他解决办法吗？也许是数字食谱？由于我编写C++代码，我更喜欢C或C++实现。

< P>因为没有回答，但我仍然在研究这个问题，我将分享我的进展。 TLinearFitter类有一种拟合方法，允许您选择稳健拟合-最小修剪平方回归（LTS）：

另一种可能的解决方案，可能更耗时，但从长远来看可能更有效，就是编写我自己的函数以最小化，并且使用： 尽量减少它。尽管在这种方法中有一个更大的“步骤”。我不知道如何使用这个库，而且我还没有找到一个好的教程来理解它

---

这里：有一个名为PROGRESS的LMedS算法的Fortran实现。因此，另一个可能的解决方案是将此软件移植到C/C++并从中生成一个库。

由于尚未给出答案，但我仍在解决此问题，因此我将在此处分享我的进展

TLinearFitter类有一种拟合方法，允许您选择稳健拟合-最小修剪平方回归（LTS）：

另一种可能的解决方案，可能更耗时，但从长远来看可能更有效，就是编写我自己的函数以最小化，并且使用： 尽量减少它。尽管在这种方法中有一个更大的“步骤”。我不知道如何使用这个库，而且我还没有找到一个好的教程来理解它

---

这里：有一个名为PROGRESS的LMedS算法的Fortran实现。因此，另一个可能的解决方案是将此软件移植到C/C++并从中生成一个库。

最后，我使用TLinearFitter:：EvalRobust方法。它工作得很好，它的主要缺点当然是性能。SVD要快得多。最后我使用了TLinearFitter:：EvalRobust方法。它工作得很好，它的主要缺点当然是性能。SVD的速度要快得多。