哦，拟合是深度学习里的概念，是可以拟合。然后计算出距离最小的直线方程，以用于估计y的坐标。
但用折线插值，没有意义吧？不然还研究什么？都用折线好了？插值的进一步，似乎还要保证可导性、凹凸性。

但插值的目的，也是要拿到一个方程，然后用方程由已知的x，推算y的值。深度学习（拟合）也是这个？

我的意思，深度学习都是高性能gpu，插值是不是也可以用高性能gpu？
【 在 dormouseBHU 的大作中提到: 】
: 错，用直线方程还可以拟合这三个点。常用的一元线性回归就是直线拟合。
: 同时用直线也可以插值这三个点，这时直线插值就是用折线连接这三个点。
: 这时插值和拟合的结果就不同了。
: ...................
--
FROM 114.104.109.*

1、我很少听到插值也用GPU的，是这样用不好？还是别的原因？
2、深度学习这么火，用GPU肯定有他的道理。chatgpt就是例子。
有个问题，还是要明确一下：插值和拟合，是不是都是由已知n个点的坐标，推算另一个未知点的坐标？是这样的吗？比如已知3个点的坐标：（1，1），（2，2），（4，5）。推算当x=3的时候，y的值？ 他们都是解决这样的问题吧？谢谢
【 在 dormouseBHU 的大作中提到: 】
: 插值计算当然可以用 GPU，但是用法和深度学习完全不是一个套路。
: 深度学习属于大力出奇迹，是一种能效比极其低的方法。属于是当你没有其他更好的算法的时候保底方法。如果你能求出直接的解析表达式，难么无论是计算速度还是效率都要高无数倍。
: 举个简单的例子，两个整数相加。用传统的计算方法，计算100亿次耗电量也超不过 1度电。
: ...................
--
FROM 114.104.109.*

用计算机术语来说

插值：属于非参数化学习方法
拟合：属于参数话学习方法

也就是说，拟合，是你认为有一个模型在，需要先建立一个模型（比如直线，二次曲线等），
而插值，不需要任何模型，插值也不需要保证可导性，不想要方程

【 在 feng321 的大作中提到: 】
: 哦，拟合是深度学习里的概念，是可以拟合。然后计算出距离最小的直线方程，以用于估计y的坐标。
: 但用折线插值，没有意义吧？不然还研究什么？都用折线好了？插值的进一步，似乎还要保证可导性、凹凸性。
: 但插值的目的，也是要拿到一个方程，然后用方程由已知的x，推算y的值。深度学习（拟合）也是这个？
: ...................
--
FROM 120.244.162.*

可以的，是有意义的。
【 在 feng321 的大作中提到: 】
: 那 难道 用折线插值？折线肯定没有意义吧？
--
FROM 120.244.162.*