Algorytm Gaussa-Newtona
![](http://upload.wikimedia.org/wikipedia/commons/thumb/a/a8/Regression_pic_assymetrique.gif/300px-Regression_pic_assymetrique.gif)
Algorytm Gaussa-Newtona (ang. Gauss-Newton algorithm) – algorytm iteracyjny będący rozszerzeniem metody Newtona na sytuacje, w których poszukuje się minimum dla funkcji nieliniowej. Algorytm jest jest wykorzystywany w analizie regresji nieliniowej do rozwiązywania nieliniowych problemów najmniejszych kwadratów, a więc do wyznaczenia takiej funkcji nieliniowej, która będzie najlepiej dopasowana do danych[1].
Poprzez połączenie algorytmu Gaussa-Newtona i metody najszybszego spadku powstał algorytm Levenberga-Marquardta (nazywany też metodą Marquardta), będący najczęściej używanym w ramach procedury regresji nieliniowej wykonywanej na potrzeby badań farmakologicznych i biochemicznych[2].
Nazwa algorytmu pochodzi od nazwiska niemieckiego matematyka Carla Friedricha Gaussa oraz angielskiego fizyka Izaaka Newtona.
Przypisy
- ↑ Kukuła, K., Goryl, A., Jędrzejczyk, Z., Osiewalski, J., Walkosz, A., Wprowadzenie do ekonometrii. Wydawnictwo Naukowe PWN, Warszawa 2009, s. 10.
- ↑ Harvey J.H.J. Motulsky Harvey J.H.J., Lennart A.L.A. Ransnas Lennart A.L.A., Fitting curves to data using nonlinear regression: a practical and nonmathematical review, „The FASEB Journal”, 1 (5), 1987, s. 365–374, DOI: 10.1096/fasebj.1.5.3315805, ISSN 0892-6638 [dostęp 2024-07-26] (ang.).