Содержание
При подборе прямой линии к набору данных вам может быть интересно определить, насколько хорошо полученная линия соответствует данным. Один из способов сделать это - вычислить сумму ошибок квадратов (SSE). Это значение показывает, насколько хорошо линия наилучшего соответствия приближается к набору данных. SSE является важным для анализа экспериментальных данных и определяется всего за несколько коротких шагов.
Найдите линию наилучшего соответствия для моделирования данных с использованием регрессии. Линия наилучшего соответствия имеет вид y = ax + b, где a и b - параметры, которые необходимо определить. Вы можете найти эти параметры с помощью простого анализа линейной регрессии. Например, предположим, что линия наилучшего соответствия имеет вид y = 0.8x + 7.
Используйте уравнение для определения значения каждого значения y, предсказанного линией наилучшего соответствия. Вы можете сделать это, подставив каждое значение x в уравнение линии. Например, если x равен 1, подстановка этого в уравнение y = 0.8x + 7 дает 7.8 для значения y.
Определите среднее значение, прогнозируемое по линии уравнения наилучшего соответствия. Вы можете сделать это, суммируя все y-значения, предсказанные из уравнений, и разделив полученное число на количество значений. Например, если значения 7,8, 8,6 и 9,4, суммирование этих значений дает 25,8, а деление этого числа на количество значений, в данном случае 3, дает 8,6.
Вычтите каждое из отдельных значений из среднего значения и возведите в квадрат полученное число. В нашем примере, если мы вычтем значение 7,8 из среднего значения 8,6, результирующее число будет 0,8. Возведение в квадрат этого значения дает 0,64.
Суммируйте все квадратные значения из шага 4. Если вы примените инструкции в шаге 4 ко всем трем значениям в нашем примере, вы найдете значения 0,64, 0 и 0,64. Суммирование этих значений дает 1,28. Это ошибка суммы квадратов.