| 查看: 365 | 回复: 1 | |||
[交流]
【讨论】拟合与回归
|
|
大家来讨论下: 回归曲线与拟合曲线有何不同呢? |
» 猜你喜欢
这种情况还有戏吗
已经有11人回复
微信指数没变化,科研之友没阅读
已经有4人回复
同事接到电话了,我却没有
已经有4人回复
准备明年的基金了
已经有5人回复
今年的WR进展到哪一步了?
已经有6人回复
时间戳他又来了
已经有11人回复
小木虫看见有人已经知道结果了
已经有15人回复
这个自发加氧反应的机理是什么?
已经有6人回复
J-J-W不为人知的一面
已经有18人回复
没消息就是被刷了呗
已经有13人回复
» 本主题相关价值贴推荐,对您同样有帮助:
大家看看我的excell拟合方程,怎么能合理的解释相关性呢?
已经有8人回复
拟合和回归有什么区别
已经有8人回复
怎样判断 spss 得到的 logistic 回归 是否 过拟合 ?
已经有6人回复
为什么同样的数据,origin 和excel做成的拟合公式不同?
已经有13人回复
求助SAS 多元非线性回归拟合编程
已经有3人回复
LOWESS的回归函数
已经有6人回复
求助关于线性拟合的
已经有1人回复
sigmaplot能进行线性拟合(回归)吗
已经有1人回复
用SAS进行非线性拟合
已经有8人回复
请教关于origin中自定义函数非线性回归拟合问题!
已经有10人回复
» 抢金币啦!回帖就可以得到:
求助2013年-2011年,武汉哪所学校的实验室合成过单价3万/克(或毫升)的剧毒成品?
+5/3270
诚征女友
+1/263
西湖大学物理学、光学、电子信息方向博士生招生(长期有效)
+5/120
西湖大学物理学、光学、电子信息方向博士生招生(长期有效)
+5/105
华东理工大学 生物反应器工程全国重点实验室 博士后招聘
+1/93
★★★中山大学(深圳)院士团队招收27届推免硕士生(低维材料与器件方向)
+1/88
山东第一医科大学医工交叉团队2025年招收纳米医学、药物化学等领域副教授、博士后
+1/78
上海 东华大学 刘栋良 招 2027 学术型博士(化学专业)
+1/74
西湖大学物理学、光学、电子信息方向博士生招生(长期有效)
+5/40
大连理工大学化学学院界面介导黏附与组装课题组招收2027级推免生/考研生
+1/33
大连理工大学化学学院界面介导黏附与组装课题组招收推免生
+1/31
坐标南京
+1/30
诚征女友( 西安 )
+1/25
新西兰坎特伯雷大学招博士后
+1/7
(Scopus期刊)Biofunctional Materials《生物功能性材料》招募青年编委及征稿
+1/6
四川大学周加境课题组招博士研究生/研究助理(自组装材料/生物医学方向)
+1/6
国际 EI 会议征稿进行时
+1/5
中山大学孙逸仙纪念医院潘越教授团队招聘博士后和科研助理
+1/3
单细胞 VDJ 测序技术在抗体药物发现中的应用与技术解析
+1/2
中山大学招收2027级硕士研究生(增材制造/机器学习)
+1/1
![]() 研究一个或多个随机变量Y1 ,Y2 ,…,Yi与另一些变量X1、X2,…,Xk之间的关系的统计方法。又称多重回归分析。通常称Y1,Y2,…,Yi为因变量,X1、X2,…,Xk为自变量。回归分析是一类数学模型,特别当因变量和自变量为线性关系时,它是一种特殊的线性模型。最简单的情形是一个自变量和一个因变量,且它们大体上有线性关系,这叫一元线性回归,即模型为Y=a+bX+ε,这里X是自变量,Y是因变量,ε是随机误差,通常假定随机误差的均值为0,方差为σ^2(σ^2大于0)σ2与X的值无关。若进一步假定随机误差遵从正态分布,就叫做正态线性模型。一般的情形,差有k个自变量和一个因变量,因变量的值可以分解为两部分:一部分是由自变量的影响,即表示为自变量的函数,其中函数形式已知,但含一些未知参数;另一部分是由于其他未被考虑的因素和随机性的影响,即随机误差。当函数形式为未知参数的线性函数时,称线性回归分析模型;当函数形式为未知参数的非线性函数时,称为非线性回归分析模型。当自变量的个数大于1时称为多元回归,当因变量个数大于1时称为多重回归。 用连续曲线近似地刻画或比拟 曲线拟合平面上离散点组所表示的坐标之间的函数关系的一种数据处理方法。用解析表达式逼近离散数据的一种方法。在科学实验或社会活动中,通过实验或观测得到量x与y的一组数据对(xi,yi)(i=1,2,…m),其中各xi是彼此不同的 。人们希望用一类与数据的背景材料规律相适应的解析表达式,y=f(x,c)来反映量x与y之间的依赖关系,即在一定意义下“最佳”地逼近或拟合已知数据。f(x,c)常称作拟合模型 ,式中c=(c1,c2,…cn)是一些待定参数。当c在f中线性出现时,称为线性模型,否则称为非线性模型。有许多衡量拟合优 曲线拟合公式推导度的标准,最常用的一种做法是选择参数c使得拟合模型与实际观测值在各点的残差(或离差)ek=yk-f(xk,c)的加权平方和达到最小,此时所求曲线称作在加权最小二乘意义下对数据的拟合曲线。有许多求解拟合曲线的成功方法,对于线性模型一般通过建立和求解方程组来确定参数,从而求得拟合曲线。至于非线性模型,则要借助求解非线性方程组或用最优化方法求得所需参数才能得到拟合曲线,有时称之为非线性最小二乘拟合。 |
2楼2011-01-06 14:31:22











回复此楼