文章插图
拟合形象的说，拟合就是把平面上一系列的点，用一条光滑的曲线连线起来 。因为这条曲线有无数种可能，从而有各种拟合方法 。拟合的曲线一般可以用函式表示，根据这个函式的不同有不同的拟合名字 。
【拟合】常用的拟合方法有如最小二乘曲线拟合法等，在MATLAB中也可以用polyfit 来拟合多项式 。拟合以及插值还有逼近是数值分析的三大基础工具，通俗意义上它们的区别在于：拟合是已知点列，从整体上靠近它们；插值是已知点列并且完全经过点列；逼近是已知曲线，或者点列，通过逼近使得构造的函式无限靠近它们 。
基本介绍中文名：拟合
外文名：fitting
学科：数理科学
类型：数学术语
定义：一条光滑的曲线把数据连线起来
方法：最小二乘曲线拟合法
拟合简介如果待定函式是线性，就叫线性拟合或者线性回归(主要在统计中)，否则叫作非线性拟合或者非线性回归 。表达式也可以是分段函式，这种情况下叫作样条拟合 。一组观测结果的数字统计与相应数值组的吻合 。形象的说,拟合就是把平面上一系列的点，用一条光滑的曲线连线起来 。因为这条曲线有无数种可能，从而有各种拟合方法 。拟合的曲线一般可以用函式表示，根据这个函式的不同有不同的拟合名字 。在MATLAB中可以用polyfit 来拟合多项式 。拟合以及插值还有逼近是数值分析的三大基础工具，通俗意义上它们的区别在于：拟合是已知点列，从整体上靠近它们；插值是已知点列并且完全经过点列；逼近是已知曲线，或者点列，通过逼近使得构造的函式无限靠近它们 。拟合优度R^2衡量的是回归方程整体的拟合度，是表达因变数与所有自变数之间的总体关係 。R^2等于回归平方和在总平方和中所占的比率，即回归方程所能解释的因变数变异性的百分比 。实际值与平均值的总误差中，回归误差与剩余误差是此消彼长的关係 。因而回归误差从正面测定线性模型的拟合优度，剩余误差则从反面来判定线性模型的拟合优度 。统计上定义剩余误差除以自由度n – 2所得之商的平方根为估计标準误 。为回归模型拟合优度的判断和评价指标，估计标準误显然不如判定係数R^2 。R^2是无量纲係数，有确定的取值範围(0—1)，便于对不同资料回归模型拟合优度进行比较；而估计标準误差是有计量单位的，又没有确定的取值範围，不便于对不同资料回归模型拟合优度进行比较 。金融的套用和解释：拟合优度是一个统计术语，是衡量金融模型的预期值和现实所得的实际值的差距 。它是一种统计方法套用于金融等领域，基于所得观测值的基础上作出的预测 。换句话说，它是衡量如何将实际观测的数值进行模拟的相关预测 。曲线拟合实际工作中，变数间未必都有线性关係，如服药后血药浓度与时间的关係；疾病疗效与疗程长短的关係；毒物剂量与致死率的关係等常呈曲线关係 。曲线拟合（curve fitting）是指选择适当的曲线类型来拟合观测数据，并用拟合的曲线方程分析两变数间的关係 。最小二乘法（又称最小平方法）是一种数学最佳化技术 。它通过最小化误差的平方和寻找数据的最佳函式匹配 。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小 。最小二乘法还可用于曲线拟合 。其他一些最佳化问题也可通过最小化能量或最大化熵用最小二乘法来表达 。给定一组测量数据
