大家好，欢迎来到IT知识分享网。
拟合优度可以确定回归曲线对原始数据的拟合程度，用$R^{2}$表示，最大值为1，值越大拟合程度越好。
公式如下：
其中：
回归平方和SSR(regression sum of squares)公式：
总体平方和SST(total sum of squares)公式：
残差平方和SSE(error sum of squares)公式：
公式中$y_{i}$表示待拟合数据, $\bar{y}$表示待拟合数据均值，$\widehat{y}$表示拟合数据。
matlab代码如下：
clear all;close all;clc; x = (0:0.01:2*pi)'; y = sin(x); B = y; A = [ones(length(x),1) x x.^2 x.^3]; X = inv(A'*A)*A'*B; newy = A*X; SST = sum((y-mean(y)).^2); SSR = sum((newy-mean(y)).^2); SSE = sum((y-newy).^2); R1 = SSR/SST R2 = 1-(SSE/SST) plot(x,y,'b'); hold on; plot(x,newy,'r'); axis equal;
结果如下：
拟合优度为0.9911。
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://yundeesoft.com/34606.html
