做Curve Fitting的時候通常會有以下信息,大家不解其意,在此做簡單介紹。
Results :顯示當前擬合的詳細結果, 包括擬合類型 (模型、樣條或插值函數)、擬合係數以及參數匹配的95% 置信範圍, 以及適合統計的這些優點;
SSE: 錯誤的平方和。此統計量測量響應的擬合值的偏差。接近0的值表示更好的匹配。
R-square 表示:多重測定係數。數值的大小在0到1之間,越接近1,表明方程的變量對y的解釋能力越強。
Adjusted R-square:自由度調整 r 平方。接近1的值表示更好的匹配。當您向模型中添加附加係數時, 它通常是適合質量的最佳指示器。
RMSE:均方根誤差。接近0的值表示更好的匹配。
舉例:
數據:x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447 296.204 311.5475]
數據: y=[5 10 15 20 25 30 35 40 45 50]
進行數據擬合:
先來看degree爲1的時候:
Linear model Poly1:
f(x) = p1*x + p2
Coefficients (with 95% confidence bounds):
p1 = 0.2274 (0.2006, 0.2543)
p2 = -23.9 (-30.19, -17.6)
Goodness of fit:
SSE: 42.32
R-square: 0.9795
Adjusted R-square: 0.9769
RMSE: 2.3
擬合程度並不是很好;
接着來看degree爲2的時候:
Linear model Poly2:
f(x) = p1*x^2 + p2*x + p3
Coefficients (with 95% confidence bounds):
p1 = 0.0005637 (0.0005559, 0.0005715)
p2 = -0.01374 (-0.01711, -0.01037)
p3 = -0.3867 (-0.7293, -0.04405)
Goodness of fit:
SSE: 0.01016
R-square: 1
Adjusted R-square: 1
RMSE: 0.03809
可以看到,如果我們使用多項式擬合,degree爲2的時候,擬合程度是很不錯的;