Matlab的拟合工具箱的误差参数说明

• Matlab的拟合、优化和统计等工具箱,会常遇到下面几个名词：
  
• SSE(和方差、误差平方和)：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。
• R-square(确定系数)：Coefficient of determination
  “确定系数”是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
• MSE(均方差、方差)：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，为: SSE/n，和SSE没有太大的区别
• RMSE(均方根、标准差)：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
• Adjusted R-square：Degree-of-freedom adjusted coefficient of determination
• s-s-r：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：Total sum of squares，即原始数据和均值之差的平方和
  , 即: SST=SSE+s-s-r