回归拟合的概念？

一、回归拟合的概念？

拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。因为这条曲线有无数种可能，从而有各种拟合方法。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，拟合为已知点列，从整体上靠近它们；插值为已知点列并且完全经过点列；逼近为已知曲线，或者点列，通过逼近使得构造的函数无限靠近它们。

回归，研究一组随机变量(Y1，Y2，Yi)和另一组(X1，X2，Xk)变量之间关系的统计分析方法。通常Y1，Y2，Yi是因变量，X1、X2，Xk是自变量。

回归分析的主要内容有以下：从一组数据出发，确定某些变量之间的定量关系式；即建立数学模型并估计未知参数。通常用最小二乘法。检验这些关系式的可信任程度。

二、什么叫线性回归、非线性回归。回归分析是什么。线性拟合、非线性拟合，参数拟合、非参数拟合？

线性回归就是线性拟合，在统计的意义上是等价的。拟合就是为了找到那条，对所有点来说，残差平方和最小的直线，线性回归也是。 回归是国外的讲法叫regression，命名的统计学家是想说，这些点都围绕在一条看不见的直线，直线周围的点若偏离的大了感觉就有回归直线，向直线靠拢的趋势。

拟合是国内的传统讲法，用一条直线代替样本点，以达到预测的作用。 最后说一下线性这个概念，比如拟合每天学习时间和高考成绩，可能就是线性的。 但若拟合收入高低和幸福指数，那很可能就不是了，因为不是说赚的越高越高兴，而且可能到了很高的水平，收入增加了很多，却幸福不起来，数据有可能是指数，有可能是二次函数，这些都归为非线性。

主要是线性这个性质非常友好，大家喜闻乐见，所以有了很多转换公式，把非线性的数据变换成线性，拟合出来再反变换回去。

三、excel如何拟合回归曲线？

在Excel中，你可以使用回归分析工具来拟合数据并求得回归曲线。以下是一些基本步骤：

1. 准备数据：将你的数据输入Excel工作表中的两列，一列是自变量（X值），一列是因变量（Y值）。确保数据按照正确的顺序排列。

2. 插入回归曲线：在Excel的菜单栏中选择"数据"，然后选择"数据分析"（如果未找到"数据分析"选项，请点击"加载项"或"宏"选项卡，并启用"分析工具包"）。在"数据分析"对话框中，选择"回归"，然后点击"确定"。

3. 设置回归参数：在"回归"对话框中，输入自变量和因变量的数据范围。确保选中了"标签"复选框，以便在结果中包含列标题。选择适当的回归模型类型，如线性、多项式或指数等。如果你希望生成回归方程的拟合曲线，选中"拟合线"复选框。然后点击"确定"。

4. 查看回归结果：Excel将生成回归分析的结果，并将其显示在新的工作表中。在结果表中，你将看到回归方程、拟合曲线以及其他统计信息，如相关系数、斜率和截距等。

5. 绘制回归曲线：在生成的结果工作表中，选中回归曲线数据的范围。点击"插入"选项卡，在"图表"组中选择适当的图表类型，如散点图或折线图。Excel将在工作表中绘制回归曲线图。

通过上述步骤，你可以在Excel中使用回归分析工具来求得数据的回归曲线。请注意，根据你的数据和模型选择，回归结果可能会有所不同。此外，确保你理解回归分析的原理和限制，以正确解释和应用回归结果。

四、回归拟合方程怎么求？

回归方程式的解题步骤如下：

1、首先要解出 x和y 的平均数；

2、然后解出对应的 x和y 的乘积之和；

3、接着计算 x 的平方之和；

4、代入后即可得a与b的值；

5、最后组合列式便可得到回归方程的解。

五、线性回归模型拟合公式？

线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y = w'x+e，e为误差服从均值为0的正态分布。

六、逻辑回归算法？

逻辑回归其实是一个分类算法而不是回归算法。通常是利用已知的自变量来预测一个离散型因变量的值（像二进制值0/1，是/否，真/假）。简单来说，它就是通过拟合一个逻辑函数（logit fuction）来预测一个事件发生的概率。所以它预测的是一个概率值，自然，它的输出值应该在0到1之间。

假设你的一个朋友让你回答一道题。可能的结果只有两种：你答对了或没有答对。为了研究你最擅长的题目领域，你做了各种领域的题目。那么这个研究的结果可能是这样的：如果是一道十年级的三角函数题，你有70%的可能性能解出它。但如果是一道五年级的历史题，你会的概率可能只有30%。逻辑回归就是给你这样的概率结果。

逻辑回归的原理

Logistic Regression和Linear Regression的原理是相似的，可以简单的描述为这样的过程：

（1）找一个合适的预测函数（Andrew Ng的公开课中称为hypothesis），一般表示为h函数，该函数就是我们需要找的分类函数，它用来预测输入数据的判断结果。这个过程时非常关键的，需要对数据有一定的了解或分析，知道或者猜测预测函数的“大概”形式，比如是线性函数还是非线性函数。

（2）构造一个Cost函数（损失函数），该函数表示预测的输出（h）与训练数据类别（y）之间的偏差，可以是二者之间的差（h-y）或者是其他的形式。综合考虑所有训练数据的“损失”，将Cost求和或者求平均，记为J(θ)函数，表示所有训练数据预测值与实际类别的偏差。

（3）显然，J(θ)函数的值越小表示预测函数越准确（即h函数越准确），所以这一步需要做的是找到J(θ)函数的最小值。找函数的最小值有不同的方法，Logistic Regression实现时有的是梯度下降法（Gradient Descent）。

七、分层回归是逻辑回归吗？

不属于逻辑回归。

不属于，逻辑回归属于概率型的非线性回归,分为二分类和多分类的回归模型。分层回归的理解 其实是对两个或多个回归模型进行比较。分组数据的逻辑回归模型也可以称为分层逻辑回归。

分层回归将核心研究的变量放在最后一步进入模型，以考察在排除了其他变量的贡献的情况下，该变量对回归方程的贡献。如果变量仍然有明显的贡献，那么就可以做出该变量确实具有其他变量所不能替代的独特作用的结论。这种方法主要用于，当自变量之间有较高的相关，其中一个自变量的独特贡献难以确定的情况。常用于中介作用或者调节作用研究中。

八、拟合回归曲线的用途是？

拟合回归曲线

在工程设计或科学实验中所得到的数据往往是一张关于离散数据点的表，没有解析式来描述 x-y关系。根据所给定的这些离散数据点绘制的曲线，称为不规则曲线，通常用曲线拟合的方法解决这类问题。所谓曲线拟合方法是由给定的离散数据点，建立数据关系(数学模型)，求出一系列微小的直线段把这些插值点连接成曲线，只要插值点的间隔选择得当，就可以形成一条光滑的曲线。曲线一般有两类：规则曲线和自由曲线。规则曲线都可以用函数或参数方程来表示，而拟合曲线是对离散点进行插值、逼近绘制的。

九、回归分析拟合度代表什么？

拟合优度是指回归方程对观测值的拟合程度。度量拟合优度的统计量是判定系数R^2。R^2的取值范围是[0，1]。R^2的值越接近1，说明回归方程对观测值的拟合程度越好；反之，R^2的值越接近0，说明回归方程对观测值的拟合程度越差。拟合优度问题目前还没有找到统一的标准说大于多少就代表模型准确，一般默认大于0.8即可

十、拟合、插值、回归如何选择？

1）先将数据画成x-y坐标图，观察曲线的走向？同时剔除异常数据。

2）通过观察数据选择比较接近的拟合方程和拟合方法，多数用matlab进行。

3）编制程序，进行拟合。

4）参数估计5）拟合精度检验6）决策：本次拟合是否合理？不合理，重新来