1樓：南溪
1、性質不同
形象地說，擬合就是把平面上一系列的點，用一條光滑的曲線連線起來。因為這條曲線有無數種可能，從而有各種擬合方法。
迴歸，研究一組隨機變數(y1，y2，yi)和另一組(x1，x2，xk)變數之間關係的統計分析方法。通常y1，y2，yi是因變數，x1、x2，xk是自變數。
2、方法不同
迴歸分析的主要內容有以下：從一組資料出發，確定某些變數之間的定量關係式；即建立數學模型並估計未知引數。通常用最小二乘法。檢驗這些關係式的可信任程度。
在多個自變數影響一個因變數的關係中，判斷自變數的影響是否顯著，並將影響顯著的選入模型中，剔除不顯著的變數。通常用逐步迴歸、向前迴歸和向後迴歸等方法。利用所求的關係式對某一過程進行**或控制。
常用的擬合方法有如最小二乘曲線擬合法等，在matlab中也可以用polyfit來擬合多項式。擬合以及插值還有逼近是數值分析的三大基礎工具，擬合為已知點列，從整體上靠近它們；插值為已知點列並且完全經過點列；逼近為已知曲線，或者點列，通過逼近使得構造的函式無限靠近它們。
3、應用不同
相關分析研究的是現象之間是否相關、相關的方向和密切程度，一般不區別自變數或因變數。而回歸分析則要分析現象之間相關的具體形式，確定其因果關係，並用數學模型來表現其具體關係。
比如說，從相關分析中我們可以得知“質量”和“使用者滿意度”變數密切相關，但是這兩個變數之間到底是哪個變數受哪個變數的影響，影響程度如何，則需要通過迴歸分析方法來確定。
實際工作中，變數間未必都有線性關係，如服藥後血藥濃度與時間的關係；疾病療效與療程長短的關係；毒物劑量與致死率的關係等常呈曲線關係。曲線擬合（curve fitting）是指選擇適當的曲線型別來擬合觀測資料，並用擬合的曲線方程分析兩變數間的關係。
2樓：大資料の小白
擬合側重於調整曲線的引數，使得與資料相符。
而回歸重在研究兩個變數或多個變數之間的關係。它可以用擬合的手法來研究兩個變數的關係，以及出現的誤差。
請問，【線性擬合】與【線性迴歸】的區別是什麼？？
3樓：
線性迴歸就是線性擬合，在統計的意義上是等價的。擬合就是為了找到那條，對所有點來說，殘差平方和最小的直線，線性迴歸也是。
迴歸是國外的**叫regression，命名的統計學家是想說，這些點都圍繞在一條看不見的直線，直線周圍的點若偏離的大了感覺就有迴歸直線，向直線靠攏的趨勢。
擬合是國內的傳統**，用一條直線代替樣本點，以達到**的作用。
最後說一下線性這個概念，比如擬合每天學習時間和高考成績，可能就是線性的。
但若擬合收入高低和幸福指數，那很可能就不是了，因為不是說賺的越高越高興，而且可能到了很高的水平，收入增加了很多，卻幸福不起來，資料有可能是指數，有可能是二次函式，這些都歸為非線性。主要是線性這個性質非常友好，大家喜聞樂見，所以有了很多轉換公式，把非線性的資料變換成線性，擬合出來再反變換回去。
4樓：匿名使用者
“線性擬合”與“線性迴歸”的區別是：6月24日 21:37 兩個變數之間的關係是一次函式關係的——圖象是直線，這樣的兩個變數之間的關係就是“線性關係”；如果不是一次函式關係的——圖象不是直線，就是“非線性關係”。
線性擬合：設給定離散資料(1)式中xk為自變數x(標量或向量，即一元或多元變數)的取值；yk為因變數y（標量）的相應值。曲線擬合要解決的問題是尋求與(1)的背景規律相適應解析表示式 (2)，使它在某種意義下最佳地逼近或擬合(1)，?
(x，b)稱為擬合模型；為待定引數，當b)僅在？中線性地出現時，稱模型為線性的，否則為非線性的。
線性迴歸是利用數理統計中的迴歸分析，來確定兩種或兩種以上變數間相互依賴的定量關係的一種統計分析方法，運用十分廣泛。分析按照自變數和因變數之間的關係型別，可分為線性迴歸分析和非線性迴歸分析。
5樓：匿名使用者
正確答案參見“其他回答”
請教 擬合與迴歸的區別(關係)
6樓：春素小皙化妝品
1、性質不同
形象地說，擬合就是把平面上一系列的點，用一條光滑的曲線連線起來。因為這條曲線有無數種可能，從而有各種擬合方法。
迴歸，研究一組隨機變數(y1，y2，yi)和另一組(x1，x2，xk)變數之間關係的統計分析方法。通常y1，y2，yi是因變數，x1、x2，xk是自變數。
2、方法不同
迴歸分析的主要內容有以下：從一組資料出發，確定某些變數之間的定量關係式；即建立數學模型並估計未知引數。通常用最小二乘法。檢驗這些關係式的可信任程度。
在多個自變數影響一個因變數的關係中，判斷自變數的影響是否顯著，並將影響顯著的選入模型中，剔除不顯著的變數。通常用逐步迴歸、向前迴歸和向後迴歸等方法。利用所求的關係式對某一過程進行**或控制。
常用的擬合方法有如最小二乘曲線擬合法等，在matlab中也可以用polyfit來擬合多項式。擬合以及插值還有逼近是數值分析的三大基礎工具，擬合為已知點列，從整體上靠近它們；插值為已知點列並且完全經過點列；逼近為已知曲線，或者點列，通過逼近使得構造的函式無限靠近它們。
3、應用不同
相關分析研究的是現象之間是否相關、相關的方向和密切程度，一般不區別自變數或因變數。而回歸分析則要分析現象之間相關的具體形式，確定其因果關係，並用數學模型來表現其具體關係。
比如說，從相關分析中我們可以得知“質量”和“使用者滿意度”變數密切相關，但是這兩個變數之間到底是哪個變數受哪個變數的影響，影響程度如何，則需要通過迴歸分析方法來確定。
實際工作中，變數間未必都有線性關係，如服藥後血藥濃度與時間的關係；疾病療效與療程長短的關係；毒物劑量與致死率的關係等常呈曲線關係。曲線擬合（curve fitting）是指選擇適當的曲線型別來擬合觀測資料，並用擬合的曲線方程分析兩變數間的關係。
聯絡：擬合優度r²衡量的為迴歸方程整體的擬合度，是表達因變數與所有自變數之間的總體關係。r²等於迴歸平方和在總平方和中所佔的比率，即迴歸方程所能解釋的因變數變異性的百分比。
實際值與平均值的總誤差中，迴歸誤差與剩餘誤差是此消彼長的關係。因而回歸誤差從正面測定線性模型的擬合優度，剩餘誤差則從反面來判定線性模型的擬合優度。統計上定義剩餘誤差除以自由度n-2所得之商的平方根為估計標準誤。
為迴歸模型擬合優度的判斷和評價指標，估計標準誤顯然不如判定係數r²。r²為無量綱係數，有確定的取值範圍(0—1)，便於對不同資料迴歸模型擬合優度進行比較；而估計標準誤差是有計量單位的，又沒有確定的取值範圍，不便於對不同資料迴歸模型擬合優度進行比較。
7樓：自由地驢
我用我的理解解釋一下：
擬合是一種資料處理的方式，不特指哪種方法。簡單的說就是你有一組資料，覺得這組資料和一個已知的函式（這個函式的引數未定）很相似，為了得到最能表示這組資料特徵的這個函式，通過擬合這種方式（具體的數學方法很多）求得引數。
而回歸是一種特定的數學方法，它可以實現資料擬合，得到函式的引數。
也有些擬合得到的引數並非是函式的引數，如神經網路，得到的是這個神經網路的引數。
我的說法並不嚴謹，希望有用。
8樓：匿名使用者
擬合應該是先有具體的模型，比如線性的，對數的等，通過與已知的模型比較，通過圖形的擬合直接可以得出相應的關係式，有擬合度。本身並沒有自變數與因變數之分。
迴歸，是有自變數與因變數之分的。從一組資料出發確定某些變數之間的定量關係式，即建立數學模型並估計其中的 未知引數。估計引數的常用方法是最小二乘法。
之後會有對係數進行可信度檢驗，在許多自變數共同影響著一個因變數的關係中，判斷哪個（或哪些）自變數的影響是顯著的，哪些自變數的影響是不顯著的，將影響顯著的自變數選入模型中，而剔除影響不顯著的變數，通常用逐步迴歸、向前迴歸和向後迴歸等方法。
總結的就這麼多，希望對查詢的人有所幫助~
9樓：匿名使用者
迴歸是擬合的一種方法。擬合的概念更廣泛，擬合方法還包含插值和逼近等方法
10樓：匿名使用者
請教大家謝謝 6月24日 21:37 兩個變數之間的關係是一次函式關係的——圖象是直線，這樣的兩個變數之間的關係就是“線性關係”；如果不是一次函式
騾子和馬有什麼區別，請問騾子和馬有什麼區別？
華爾茲中的綻放 同時科學上解釋下 馬驢騾都是進行有性生殖的,騾能否生育,與其細胞內染色體數目有直接關係,由於騾由馬和驢雜交所生,所以騾的細胞內染色體數目由馬和驢的染色體數決定.對馬來說,它的體細胞中染色體數目為64條,即32對,生殖細胞經減數 形成,其中染色體數目是體細胞的一半,32條 對驢來說,它...
字典和詞典的區別，請問字典和詞典有什麼區別？
簡單的講，字典更簡單，因為他是以講單個的字為主的，關於這個字的意思它是不會有解釋的。而詞典就要全面很多，不僅講字，更解釋這個字重要的詞的意思，還有例句，很全面的。總的來說就是，詞典包括了字典的功能，所以為了簡便方便攜帶用字典就可以了，要是真要深入的學習研究，那是非詞典莫屬的！ 在英語裡面沒有什麼差異...
殭屍和喪屍有什麼區別，請問 殭屍和喪屍有什麼區別？
喪屍與殭屍有本質的不同，喪屍一般是由活人直接轉化，而殭屍必須是由死人轉化。殭屍怕光，喪屍不怕。殭屍移動較快，喪屍移動緩慢。殭屍主要是東亞，而喪屍是不折不扣的西方貨。喪屍與殭屍的區別 喪屍和殭屍是很容易搞混的，但是這只限於中國 再一次體現了漢語的強大 喪屍與殭屍的英文都是 zombie 應為在外國文化...