Matlab做数据拟合中的（Results，SSE，R-square，Adjusted R-square，RMSE）

做Curve Fitting的时候通常会有以下信息，大家不解其意，在此做简单介绍。

---

Results ：显示当前拟合的详细结果, 包括拟合类型 (模型、样条或插值函数)、拟合系数以及参数匹配的95% 置信范围, 以及适合统计的这些优点；
SSE: 错误的平方和。此统计量测量响应的拟合值的偏差。接近0的值表示更好的匹配。
R-square 表示：多重测定系数。数值的大小在0到1之间，越接近1，表明方程的变量对y的解释能力越强。
Adjusted R-square：自由度调整 r 平方。接近1的值表示更好的匹配。当您向模型中添加附加系数时, 它通常是适合质量的最佳指示器。
RMSE：均方根误差。接近0的值表示更好的匹配。
举例：
数据：x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447 296.204 311.5475]
数据: y=[5 10 15 20 25 30 35 40 45 50]
进行数据拟合：

先来看degree为1的时候：

Linear model Poly1:
     f(x) = p1*x + p2
Coefficients (with 95% confidence bounds):
       p1 =      0.2274  (0.2006, 0.2543)
       p2 =       -23.9  (-30.19, -17.6)

Goodness of fit:
  SSE: 42.32
  R-square: 0.9795
  Adjusted R-square: 0.9769
  RMSE: 2.3

拟合程度并不是很好；
接着来看degree为2的时候：

Linear model Poly2:
     f(x) = p1*x^2 + p2*x + p3
Coefficients (with 95% confidence bounds):
       p1 =   0.0005637  (0.0005559, 0.0005715)
       p2 =    -0.01374  (-0.01711, -0.01037)
       p3 =     -0.3867  (-0.7293, -0.04405)

Goodness of fit:
  SSE: 0.01016
  R-square: 1
  Adjusted R-square: 1
  RMSE: 0.03809

可以看到，如果我们使用多项式拟合，degree为2的时候，拟合程度是很不错的；