我如何使用曲线拟合优度？答案

【问题标题】：How can i use the curve Goodness of Fit?我如何使用曲线拟合优度？
【发布时间】：2018-06-29 16:09:31
【问题描述】：

我想使用曲线拟合优度 (GOF) 来比较 Matlab 中原始信号和滤波信号之间的相似率

【问题讨论】：

【解决方案1】：

通常，拟合优度检验假定在经验数据和理论数据之间进行比较……换句话说，在真实观察结果和近似它们的函数产生的值之间进行比较。由于您正在使用曲线，fit function 已经提供了执行测试所需的所有内容：

[fitobject,gof] = fit(x,y,fitType)

  gof — Goodness-of-fit statistics, returned as the gof structure including the fields in this table:

    sse - Sum of squares due to error
    rsquare - R-squared (coefficient of determination)
    dfe - Degrees of freedom in the error
    adjrsquare - Degree-of-freedom adjusted coefficient of determination
    rmse - Root mean squared error (standard error)

我们举个例子：

x = (0:0.2:5).';
y = 2 .* exp(-0.2 .* x);

[f1,gof1] = fit(x,y,'exp1');
figure(),plot(f1,x,y);

[f2,gof2] = fit(x,y,'poly1');
figure(),plot(f2,x,y);

从y 的声明中，由于没有添加噪声，我们知道与a = 2 和b = -0.2 的指数拟合会产生完美的结果，而多项式拟合会产生良好的结果（但不完美）结果。

R2 统计数据可以取介于0 和1 之间的任何值，更接近1 的值表示更适合。由于我们没有使用额外的系数，因此评估我们的拟合度已经绰绰有余，并且代表了在许多之间选择模型的良好标准。查看 gof1 和 gof2 结构（rsquare 字段）中包含的 R2 值，我们可以看到我们的假设得到了证实：在 gof1 中，R2 统计量的值为 1（完美拟合），而在gof2 中，相同的统计数据的值非常接近1，但不等于1（非常适合）。

【讨论】：