量化项目管理案例：缺陷趋势预测利器（7）

在之前的文章里，已经介绍了几种不同的成长曲线的形式，知道了几种曲线的趋势情况。比如，指数曲线就是呈指数的不断增长；S型曲线就是先增后趋于平稳。然而，再进一步，怎么拟合出适合给定样本数据的模型曲线呢？这回，我们介绍曲线的几种拟合算法。

　　曲线拟合主要有3种算法：三点法、三和法和高斯-牛顿法。下面简单介绍3种算法的原理。

　　1、三和法：

　　三和法是利用三个和值来进行计算。将数据平均分成三段，分别求这三段数据的和；随后将三个和值依次做减法；通过求减法得出要预测的参数。也就是求解三元一次方程组，得到最终参数的值。

　　2、三点法：

　　三点法亦如它的名字，是利用三个点的值来进行计算。选择数据的起点、中点和终点，得到三元一次方程组；解出方程组，得到参数值。

　　3、高斯-牛顿法：

　　高斯-牛顿法是用逐次逼近的方式来得到最佳参数值。高斯-牛顿法的计算过程是一个不断迭代的过程。由于高斯-牛顿法的计算原理为寻找最优值，因此得到的结果应该最接近实际情况，拟合度最高。然而，高斯-牛顿法对数据要求较高，会出现由于数据原因无法计算的情况。

　　由于算法公式较为复杂，暂时没有发表在网站上，但我们会尽快整理。

本文出自seven的测试人生公众号最新内容请见作者的GitHub页：http://qaseven.github.io/