| 回归拟合中的基本概念和公式汇编（SSE, MSE, RMSE, RMS, STD, 方差, SSR, SST, R | 您所在的位置：网站首页 › excel计算线性回归系数的数学公式是什么 › 回归拟合中的基本概念和公式汇编（SSE, MSE, RMSE, RMS, STD, 方差, SSR, SST, R |
| 1、概念 SSE(和方差、残差平方和) ：The sum of squares due to error，该统计参数计算的是拟合数据和原始数据对应点的误差的平方和。SSE越接近于0，说明模型选择和拟合更好，数据预测也越成功。MSE(均方误差)：Mean squared error，该统计参数是预测数据和原始数据对应点误差的平方和的均值，也就是SSE/n，和SSE没有太大的区别。RMSE(均方根误差)：Root mean squared error，该统计参数，也叫回归系统的拟合标准差，是MSE的平方根。SSR(回归平方和)：Sum of squares of the regression，即预测数据与原始数据均值之差的平方和。SST(离差平方和)：Total sum of squares，即原始数据和均值之差的平方和。R-square(确定系数)：Coefficient of determination，通过数据的变化来表征一个拟合的好坏。“确定系数”的正常取值范围为[0 1]，越接近1，表明方程的变量对 y 的解释能力越强，这个模型对数据拟合的也较好。相关度：相关度又叫 皮尔逊相关系数 (Pearson Correlation Coefficient)，衡量两个值线性相关强度的量 取值范围 [-1, 1]: 正向相关: >0, 负向相关： |
| CopyRight 2018-2019 实验室设备网 版权所有 |