matlab中sse表示什么,Matlab曲线拟合SSE等含义

使用过Matlab的拟合、优化和统计等工具箱的网友，会经常遇到下面几个名词:

SSE(和方差、误差平方禾口)：The sum of squares due to error

MSE(均方差、方差)：Mean squared error

RMSE(均方根、标准差)：Root mean squared error

R-square (确定系数):Coefficie nt of determ in ati on

Adjusted R-square : Degree-of-freedom adjusted coefficient of determ ination

下面我对以上几个名词进行详细的解释下，相信能给大家带来一定的帮助！

SSE(和方差)

该统计参数计算的是拟合数据和原始数据对应点的误差的平方和，计算公式如下

sss=Z^-yf

i-l

SSE越接近于0,说明模型选择和拟合更好，数据预测也越成功因为

和SSE是同出一宗，所以效果一样二、MSE(均方差)

该统计参数是预测数据和原始数据对应点误差的平方和的均值，也就是SSE/n，和SSE没有太大的区别，计算公式如下

三、RMSE(均方根)

该统计参数，也叫回归系统的拟合标准差，是MSE的平方根，就算公式如下

MSB = JZ極二倔丽?=上㊁＞①—対

四、R-square(确定系数)

在讲确定系数之前，我们需要介绍另外两个参数SSR和SST，因为确定系数就是由它们两

个决定的

(1)SSR: Sum of squares of the regression，即预测数据与原始数据均值之差的平方和，公式如下

(2)SST: Total sum of squares，即原始数据和均值之差的平方和，公式如下

。接下来的MSE和RMSE

在这之前，我们所有的误差参数都是基于预测值

从下面开始是所有的误差都是相对原始数据平均值

(y_hat)和原始值(y)之间的误差(即点对

点)。