拟合算法
拟合的结果是得到一个确定的曲线
最小二乘法
k
=
n
∑
i
=
1
n
x
i
y
i
−
∑
i
=
1
n
y
i
∑
i
=
1
n
x
i
n
∑
i
=
1
n
x
i
2
−
∑
i
=
1
n
x
i
∑
i
=
1
n
x
i
b
=
∑
i
=
1
n
x
i
2
∑
i
=
1
n
y
i
−
∑
i
=
1
n
x
i
∑
i
=
1
n
x
i
y
i
n
∑
i
=
1
n
x
i
2
−
∑
i
=
1
n
x
i
∑
i
=
1
n
x
i
k = \frac{n\sum_{i=1}^nx_iy_i-\sum_{i=1}^ny_i\sum_{i=1}^nx_i}{n\sum_{i=1}^nx_i^2-\sum_{i=1}^nx_i\sum_{i=1}^nx_i}\\ b=\frac{\sum_{i=1}^nx_i^2\sum_{i=1}^ny_i-\sum_{i=1}^nx_i\sum_{i=1}^nx_iy_i}{n\sum_{i=1}^nx_i^2-\sum_{i=1}^nx_i\sum_{i=1}^nx_i}\\
k=n∑i=1nxi2−∑i=1nxi∑i=1nxin∑i=1nxiyi−∑i=1nyi∑i=1nxib=n∑i=1nxi2−∑i=1nxi∑i=1nxi∑i=1nxi2∑i=1nyi−∑i=1nxi∑i=1nxiyi
评价拟合的好坏
拟 合 优 度 R 2 拟合优度R^2 拟合优度R2
总 体 平 方 和 S S T = ∑ i = 1 n ( y i − y ‾ ) 2 总体平方和SST=\sum_{i=1}^{n}(y_i-\overline{y})^2 总体平方和SST=∑i=1n(yi−y)2
误 差 平 方 和 S S E = ∑ i = 1 n ( y i − y ^ ) 2 误差平方和SSE=\sum_{i=1}^{n}(y_i-\hat{y})^2 误差平方和SSE=∑i=1n(yi−y^)2
回 归 平 方 和 S S R = ∑ i = 1 n ( y ^ − y ‾ ) 2 回归平方和SSR=\sum_{i=1}^{n}(\hat{y}-\overline{y})^2 回归平方和SSR=∑i=1n(y^−y)2
R 2 = S S R S S T = S S T − S S E S S T = 1 − S S E S S T R^2=\frac{SSR}{SST}=\frac{SST-SSE}{SST}=1-\frac{SSE}{SST} R2=SSTSSR=SSTSST−SSE=1−SSTSSE
越接近1拟合效果越好
注意:R方只能拟合线性函数(线性是线性于参数的意思)。若复杂指数函数拟合好坏直接看SSE即可。