《数据拟合的几个评价参数》由会员分享，可在线阅读，更多相关《数据拟合的几个评价参数（3页珍藏版）》请在装配图网上搜索。
1、拟合工具箱的几个误差参数说明拟合，工具箱，误差参数说，sse, mse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、误差平方和）：The sum of squares due to errorMSE（均方差、方差）：Mean squared errorRMSE（均方根、标准差）：Root mean squared errorR-square （确定系数）：Coefficient of determinationAdjusted R-square： Degree-of-freedom adjusted coefficient of determina
2、tion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！一、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2-1SSE越接近于0，说明模型选择和拟合更好，数据预测也越成功。接下来的MSE和RMSE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1 二-0MS宜=噩研雄=N理5 月）H i-l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RMSE =仙昵=展踵3 =在这之前，我们
3、所有的误差参数都是基于预测值（y_hat）和原始值（y）之间的误差 （即点对点）。从下面开始是所有的误差都是相对原始数据平均值（y_ba ）而展开的 （即点对全）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 漩=2心-区)1-1(2)SST： Total sum of squares，即原始数据和均值之差的平方和，公式如下887 = 心-力3-1细心的网友会发现，SST=SSE+SSR，呵呵只是一个有趣的问题。而我们的“确定系数”是定义为SSR和SST的比值，故R - square = SSTSSR 够TSE 1 SSE一=其实“确定系数”是通过数据的变化来表征一个拟合的好坏。由上面的表达式可以 知道“确定系数”的正常取值范围为0 1，越接近1，表明方程的变量对y的解 释能力越强，这个模型对数据拟合的也较好
数据拟合的几个评价参数
