本文主要是介绍matlab正太拟合sse,Matlab做数据拟合中的（Results，SSE，R-square，Adjusted R-square，RMSE）...，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
做Curve Fitting的时候通常会有以下信息，大家不解其意，在此做简单介绍。
Results ：显示当前拟合的详细结果, 包括拟合类型 (模型、样条或插值函数)、拟合系数以及参数匹配的95% 置信范围, 以及适合统计的这些优点；
SSE: 错误的平方和。此统计量测量响应的拟合值的偏差。接近0的值表示更好的匹配。
R-square 表示：多重测定系数。数值的大小在0到1之间，越接近1，表明方程的变量对y的解释能力越强。
Adjusted R-square：自由度调整 r 平方。接近1的值表示更好的匹配。当您向模型中添加附加系数时, 它通常是适合质量的最佳指示器。
RMSE：均方根误差。接近0的值表示更好的匹配。
举例：
数据：x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447 296.204 311.5475]
数据: y=[5 10 15 20 25 30 35 40 45 50]
进行数据拟合：
先来看degree为1的时候：
Linear model Poly1:
f(x) = p1*x + p2
Coefficients (with 95% confidence bounds):
p1 = 0.2274 (0.
这篇关于matlab正太拟合sse,Matlab做数据拟合中的（Results，SSE，R-square，Adjusted R-square，RMSE）...的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
