“从给定的离散点的值去构造一个连续定义的函数,使得它与被逼近的函数在给定点的值完全一致,这样的问题称为插值问题。”
给定 n个离散数据点（称为节点）(x_k,y_k)，k=1,2,...,n。对于不同于x_k的x，求 x所对应的 y的值称为内插。
————这个需求，跟深度学习的入门课：给定n个点的坐标(x_k,y_k)，拟合出一条直线（估计也可以是曲线），然后根据这条直线，求当 给出另一个x的时候，对应的y的值。最后可以将这个估计值y和实际值对比。

我觉得这两门课的需求都类似的。可是插值问题，演变出了很多算法，而深度学习最主要的是gpu。所以，我的问题是：插值问题，可以用高性能gpu而简化吗？谢谢
--
FROM 114.104.109.*

拟合完，还是要求对应于x的y的值。这个 简单插值，不是一个样的？
【 在 dormouseBHU 的大作中提到: 】
: 深度学习是 拟合 ， 拟合和插值还是不一样的。
:
--
FROM 114.104.109.*

给定 n个离散数据点（称为节点）(x_k,y_k)，k=1,2,...,n。对于不同于x_k的x，求 x所对应的 y的值称为内插。
这个“内插”，不就是先拟合，然后用拟合的方程由x求y？
【 在 dormouseBHU 的大作中提到: 】
: 这个不叫简单插值。这个只是个函数求值。插值有严格的条件的。
--
FROM 114.104.109.*

比如说给三个点（1，1），（2，2），（4，4），你看到这三个点坐标之间的关系，于是联想到一个通用的方程：y=x（这个应该就是插值函数吧？），于是当要求x=3的时候对应y的值，代入这个方程，求得y=3，不是这样的吗？
【 在 dormouseBHU 的大作中提到: 】
: 错。是先求插值函数，不是先拟合。插值和拟合是完全不同的概念。
--
FROM 114.104.109.*

这三个点的坐标是事先已知的。如果第三个点的坐标是（4，5），说明已知的三个点不在一条直线上，你就得用曲线方程去拟合这三个点
【 在 dormouseBHU 的大作中提到: 】
: 如果第三个点是(4,5)呢？
--
FROM 114.104.109.*