非负最小二乘拟合算法

非负最小二乘（Non-negative Least Squares, NNLS）是一种优化技术，用于求解线性模型中的系数，使得残差平方和最小，并且所有系数都是正数。在实际应用中，它常用于处理数据中的非负约束问题，比如在信号处理、图像分析或经济计量学等领域，当数据元素应该解释为数量而非强度差异时。

NNLS算法的核心思想是在满足所有系数非负的前提下，找到最佳的回归线或超平面来拟合给定的数据点。它的基本步骤通常包括：
1. 初始化：选择一组初始估计值作为非负系数。
2. 更新：计算当前模型预测值与实际值之间的偏差，然后更新每个系数，使其朝着减小偏差的方向调整，同时保持非负。
3. 迭代：重复更新步骤，直到达到预设的收敛条件，如残差变化小于某个阈值或达到最大迭代次数。