数据拟合的几个评价参数
《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
- 温馨提示:
1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。