| 查看: 386 | 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
浙江师范大学是怎么坑我的
已经有15人回复
浙江师范大学是怎么坑我的
已经有4人回复
闲聊
已经有6人回复
求教各位大神:2026教育部人文社科青年基金项目何时公示呀?
已经有6人回复
面上有专家说实验设备不是我们单位的
已经有8人回复
科研求助
已经有4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:
华南理工大学 光电材料方向 王竣可教授课题组招聘博士后、博士生及科研助理
+5/460
急招科研助理/博士后
+2/134
美国肯塔基大学Dr. Sheng Tong博士后招聘(空间可控的基因组编辑与肿瘤免疫治疗)
+1/97
各位大佬帮忙分析一下面上意见,是否上会?几个A、B、C?
+1/80
【推免】】中科院国家级人才团队招收27级推免硕士生
+1/76
山东征女友,坐标济南
+1/38
石河子大学211双一流学科分子筛等多孔材料与生物质资源化利用方向招2027级推免生
+1/35
211诚招材化相关专业硕士、博士、博后(长期有效)推免-保研-调剂-申博
+1/33
27博士申请自荐
+1/26
中国科大-合肥国家实验室冷原子量子网络团队招聘启事
+2/26
深圳大学2027级光电信息工程/物理学研究生推免
+1/17
北京理工大学-集成电路与电子学院杰青团队-招博士后
+1/16
北理工集成电路杰青团队 | 诚招科助理
+1/15
欢迎推免生/准推免生报名(约80名每年)--长期有效--物理/电子等所有理工专业
+1/9
【特刊征稿】BM临床诊断与治疗生物功能材料专题(Scopus、DOAJ 收录)
+1/8
口腔特刊客座招募客编Biofunctional Materials牙科生物功能材料专题,Scopus期刊
+1/7
【生物材料与生物打印专题征稿】Scopus期刊,免APC
+1/7
哈工大(深圳)招收工程热物理专业2027入学博士生
+1/3
广东省智能院与澳门大学、澳门科技大学、澳理工联合培养博士招生
+1/3
求一篇文献PDF Journal of Organic Chemistry (2026) 91 (28): 9771–9779.
+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