數據擬合的准確性怎麼判斷

① 線性回歸方程擬合效果的好壞怎麼判斷（高中數學）

R的平方愈接近1，這說明擬合效果就越好擬合的函數愈逼真。相關系數越接近1越好，一般要求大於0.9，統計量的概率一般要小於0.05，所做的模型才可以使用。此外殘差的置信區間應該包括0，但是對於擬合到什麼程度，才算滿意沒有嚴格的標准來進行界定。

線性回歸方程是利用數理統計中的回歸分析，來確定兩種或兩種以上變數間相互依賴的定量關系的一種統計分析方法之一。線性回歸也是回歸分析中第一種經過嚴格研究並在實際應用中廣泛使用的類型。按自變數個數可分為一元線性回歸分析方程和多元線性回歸分析方程。

在統計學中，線性回歸方程是利用最小二乘函數對一個或多個自變數和因變數之間關系進行建模的一種回歸分析。這種函數是一個或多個稱為回歸系數的模型參數的線性組合。只有一個自變數的情況稱為簡單回歸，大於一個自變數情況的叫做多元回歸。（這反過來又應當由多個相關的因變數預測的多元線性回歸區別，而不是一個單一的標量變數。）

在線性回歸中，數據使用線性預測函數來建模，並且未知的模型參數也是通過數據來估計。這些模型被叫做線性模型。最常用的線性回歸建模是給定X值的y的條件均值是X的仿射函數。

不太一般的情況，線性回歸模型可以是一個中位數或一些其他的給定X的條件下y的條件分布的分位數作為X的線性函數表示。像所有形式的回歸分析一樣，線性回歸也把焦點放在給定X值的y的條件概率分布，而不是X和y的聯合概率分布（多元分析領域）。

② 曲線擬合精度評估方法

曲線擬合精度評估方法
1、首先先打開電腦，並進入Zernike軟體。
2、其次通過Fit，將Curve擬合結果保存到workspace中。
3、最後使用分別提取擬合曲線的方式，即可獲得它與采樣點的精度對比。