b,y 等均为列向量,x 为矩阵
(表示了一组实际的数据)
必须在 x 第一列添加一个全 1 列。----对应
于常数项
-------而 nlinfit 不能额外添加全 1 列。
结果的系数就是与此矩阵相对应的(常数项,x1,x2,……xn)。
(结果与参数个数:1/5=2/3-----y,x 顺序---x 要额外添加全 1 列)
而 nlinfit:1/3=4------x,y 顺序---x 不能额外添加全 1 列,---需编程序,用于模仿需拟合的函数
的任意形式,一定两个参数,一为系数数组,二为自变量矩阵(每列为一个自变量)
有 n 个变量---不准确,x 中就有 n 列,再添加一个全 1 列(相当于常数项),就变为 n+1 列,
则结果中就有 n+1 个系数。
x
需要经过加工,如添加全
1
列,可能还要添加其他需要的变换数据。
相关系数 r2 越接近 1,说明回归方程越显著;(r2 越大越接近 1 越好)
F 越大,说明回归方程越显著;(F 越大越好)
与 F 对应的概率 p 越小越好,一定要 P<a 时拒绝 H0 而接受 H1,即
回归模型成立。
乘余(残差)标准差(RMSE)越小越好
(此处是残差的方差,还没有开方)
(前两个越大越好,后两个越小越好)
自己总结:regress
多元(可通过变形而适用于任意函数),
15/23
顺序(y,x---结果是先常数项,与 polyfit 相反)
y 为列向量;x 为矩阵,第一列为全 1 列(即对应于常数项),其余每一列对应于一个变量
(或一个含变量的项),即 x 要配成目标函数的形式(常数项在最前)
x 中有多少列则结果的函数中就有多少项