A=y - -b*x -
最小二乘法可以帮助我们在进行线性拟合时,如何选择“最好”的直线。
![](https://video.ask-data.xyz/img.php?b=https://iknow-pic.cdn.bcebos.com/1e30e924b899a901e8e009a30f950a7b0308f54a?x-bce-process=image%2Fresize%2Cm_lfit%2Cw_600%2Ch_800%2Climit_1%2Fquality%2Cq_85%2Fformat%2Cf_auto)
要注意的是,利用实验数据进行拟合时,所用数据的多少直接影响拟合的结果,从理论上说,数据越多,效果越好,即所估计的直线方程越能更好地反映变量之间的关系。
![](https://video.ask-data.xyz/img.php?b=https://iknow-pic.cdn.bcebos.com/9c16fdfaaf51f3deac66ebf186eef01f3b29794a?x-bce-process=image%2Fresize%2Cm_lfit%2Cw_600%2Ch_800%2Climit_1%2Fquality%2Cq_85%2Fformat%2Cf_auto)
一般地,我们可以先作出样本点的散点图,确认线性相关性,然后再根据回归直线系数的计算公式进行计算。
刻画样本点 与直线y=a+bx之间的“距离”——
思考:①这个“距离”与点到直线的距离有什么关系?
很显然,这个式值越小,则样本点与直线间的距离越小。
②为什么不直接利用点到直线的距离来刻画样本点与直线之间的距离关系?