FitResult

Full name Microsoft.VisualBasic.Data.Bootstrapping.FitResult Assembly Microsoft.VisualBasic.Data.Bootstrapping.Fittings Members 12

线性回归结果

00 Remarks

在讨论模型时，所谓“线性”并不意味就是直线。回归模型相对于参数是线性的，但是相对于解释变量可以是非线性关系。比如以下这些常见形式都是线性回归模型：

	模型名称	表达式
一般线性模型	y = c + b* x + u
线性对数模型	y = c + b*log(x) + u
对数线性模型	log(y) = c + b* x + u
双对数模型	log(y) = c + b*log(x) + u
二次回归模型	y = c + b x + rx^2 + u

01 Syntax

Microsoft.VisualBasic.Data.Bootstrapping.FitResult

02 Methods

Name	Overloads	Summary
ToString	1	Formula.Factors: y = a0 + a1x + a2x^2 + ...

03 Properties

Name	Overloads	Summary
Polynomial	1	拟合后的方程系数，根据阶次获取拟合方程的系数，如getFactor(2)，就是获取y = a0 + a1x + a2x^2 + ...
SSR	1	回归平方和
SSE	1	(剩余平方和)
RMSE	1	RMSE均方根误差
ErrorTest	1	保存拟合后的y值，在拟合时可设置为不保存节省内存
Slope	1	获取斜率
Intercept	1	获取截距
R_square	1	确定系数，系数是0~1之间的数，是数理上判定拟合优度的一个量
AdjustR_square	1	调整R方（Adjusted R-Square）
GetY	1	根据x获取拟合方程的y值
FactorSize	1	获取拟合方程系数的个数

04 Members

method ToString #

ToString

Formula.Factors:

y = a0 + a1*x + a2*x^2 + ... + apoly_n*x^poly_n

property Polynomial #

Polynomial

拟合后的方程系数，根据阶次获取拟合方程的系数，如getFactor(2)，就是获取y = a0 + a1*x + a2*x^2 + ... + apoly_n*x^poly_n中a2的值

property SSR #

SSR

回归平方和

property SSE #

SSE

(剩余平方和)

property RMSE #

RMSE

RMSE均方根误差

property ErrorTest #

ErrorTest

保存拟合后的y值，在拟合时可设置为不保存节省内存

property Slope #

Slope

获取斜率

Returns

斜率值

property Intercept #

Intercept

获取截距

Returns

截距值

property R_square #

R_square

确定系数，系数是0~1之间的数，是数理上判定拟合优度的一个量

property AdjustR_square #

AdjustR_square

调整R方（Adjusted R-Square）

Remarks

Adjusted R-Squared 抵消样本数量对 R-Squared 的影响，做到了真正的 0~1，越大越好。

property GetY #

GetY(Double)

根据x获取拟合方程的y值

Parameters

Name	Type	Description
`x`	`Double`	-

property FactorSize #

FactorSize

获取拟合方程系数的个数

Returns

拟合方程系数的个数