擬合,
工具箱,
誤差引數說,
sse,
mse
使用過matlab的擬合、優化和統計等工具箱的網友，會經常遇到下面幾個名詞：
sse(和方差、誤差平方和)：the sum of squares due to error
mse(均方差、方差)：mean squared error
rmse(均方根、標準差)：root mean squared error
r-square(確定係數)：coefficient of determination
adjusted r-square：degree-of-freedom adjusted coefficient of determination
下面我對以上幾個名詞進行詳細的解釋下，相信能給大家帶來一定的幫助！！
一、sse(和方差)
該統計引數計算的是擬合資料和原始資料對應點的誤差的平方和，計算公式如下
sse越接近於0，說明模型選擇和擬合更好，資料**也越成功。接下來的mse和rmse因為和sse是同出一宗，所以效果一樣
二、mse(均方差)
該統計引數是**資料和原始資料對應點誤差的平方和的均值，也就是sse/n，和sse沒有太大的區別，計算公式如下
三、rmse(均方根)
該統計引數，也叫回歸系統的擬合標準差，是mse的平方根，就算公式如下
在這之前，我們所有的誤差引數都是基於**值(y_hat)和原始值(y)之間的誤差(即點對點)。從下面開始是所有的誤差都是相對原始資料平均值(y_ba)而展開的(即點對全)!!!
四、r-square(確定係數)
在講確定係數之前，我們需要介紹另外兩個引數ssr和sst，因為確定係數就是由它們兩個決定的
(1)ssr：sum of squares of the regression，即**資料與原始資料均值之差的平方和，公式如下
(2)sst：total sum of squares，即原始資料和均值之差的平方和，公式如下
細心的網友會發現，sst=sse+ssr，呵呵只是乙個有趣的問題。而我們的「確定係數」是定義為ssr和sst的比值，故
其實「確定係數」是通過資料的變化來表徵乙個擬合的好壞。由上面的表示式可以知道「確定係數」的正常取值範圍為[0 1]，越接近1，表明方程的變數對y的解釋能力越強，這個模型對資料擬合的也較好。
MATLAB擬合工具箱函式的使用
matlab擬合曲線的方法有很多，針對不同的函式型別應選用合適的擬合方法。按照擬合方法來進行劃分，一般可將待擬合的函式分為曲線 曲面擬合與多元函式擬合。穩健性robust 擬合效果評估 擬合工具箱主要涉及的函式有 fit fitype等。這裡以一元線性擬合為例進行說明 matlab擬合工具箱的使用 ...
CRF的matlab工具箱
最近在學習crf，由於 較複雜，網上有很多人開發了工具箱，推薦幾個crf的matlab工具箱 1維crf 2維crf 最近在學習crf，由於 較複雜，網上有很多人開發了工具箱，推薦幾個crf的matlab工具箱 1維crf 2維crf drf 還有兩個經常用crf的人主頁，他們都開發了一些工具箱 s...
matlab優化工具箱
詳細的請看 http blog.csdn.net aris zzy archive 2007 11 03 1865309.aspx 在生活和工作中，人們對於同乙個問題往往會提出多個解決方案，並通過各方面的論證從中提取最佳方案。最優化方法就是專門研究如何從多個方案中科學合理地提取出最佳方案的科學。由於...