1、Matlab擬合好壞常用指標(biāo)用過(guò)Matlab的擬合、優(yōu)化和統(tǒng)計(jì)等工具箱的網(wǎng)友，會(huì)經(jīng)常遇到下面幾個(gè)名詞：SSE（和方差、誤差平方和）:The sum of squares due to errorMSE的方差、方差）：Mean squared errorRMSE（勻方根、標(biāo)準(zhǔn)差）：Root mean squared errorR-square（確定系數(shù)）:Coefficient of determinationAdjusted R-square : Degree-of-freedom adjusted coefficient of determination下面我對(duì)以上幾個(gè)名詞進(jìn)行詳細(xì)的解釋下，

2、相信能給大家?guī)?lái)一定的幫助！ ！一、SSE（和方差）該統(tǒng)計(jì)參數(shù)計(jì)算的是擬合數(shù)據(jù)和原始數(shù)據(jù)對(duì)應(yīng)點(diǎn)的誤差的平方和，計(jì)算公式如下蹉® =二叫業(yè)一/）i-1SSE越接近于0,說(shuō)明模型選擇和擬合更好，數(shù)據(jù)預(yù)測(cè)也越成功。接下來(lái)的MS反口 RMSEH為和SSE是同出一宗，所以效果一樣二、MSE峋方差）該統(tǒng)計(jì)參數(shù)是預(yù)測(cè)數(shù)據(jù)和原始數(shù)據(jù)對(duì)應(yīng)點(diǎn)誤差的平方和的均值，也就是SSE/n,和SSE沒(méi)有太大的區(qū)別，計(jì)算公式如下«入3犀=-Y 叫-H）三、RMS的方根）該統(tǒng)計(jì)參數(shù)，也叫回歸系統(tǒng)的擬合標(biāo)準(zhǔn)差，是MSE勺平方根，就算公式如下RMSE二小麗代、卜£叫3 1產(chǎn)在這之前，我們所有的誤差參數(shù)都

3、是基于預(yù)測(cè)值從下面開(kāi)始是所有的誤差都是相對(duì)原始數(shù)據(jù)平均值(y_hat)和原始值(y)之間的誤差(即點(diǎn)對(duì)點(diǎn))。(y_ba)而展開(kāi)的(即點(diǎn)對(duì)全)!四、R-square(確定系數(shù))在講確定系數(shù)之前，我們需要介紹另外兩個(gè)參數(shù)SSR SST,因?yàn)榇_定系數(shù)就是由它們兩個(gè)決定的(1)SSR: Sumof squares of the regression ,即預(yù)測(cè)數(shù)據(jù)與原始數(shù)據(jù)均值之差的平方和，公式如下(2)SST ： Total sum of squares ,即原始數(shù)據(jù)和均值之差的平方和，公式如下細(xì)心的網(wǎng)友會(huì)發(fā)現(xiàn)，SST=SSE+SSR呵呵只是一個(gè)有趣的問(wèn)題。而我們的“確定系數(shù)”是定 義為SSR和SST的比值，故& -square = 1SST陽(yáng)T瑞T其實(shí)“確定系數(shù)”是通過(guò)數(shù)據(jù)的變化來(lái)表征一個(gè)擬合的好壞。由上面的表達(dá)式可以知道“確定系數(shù)”的