1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。
2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。
3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~
4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
5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
線性迴歸和一次曲線擬合的區別？
6樓：飛翔雨兒
迴歸(分析bai)可以理解為一種方法du或演算法，即研究zhi因變數daoy和自變數專x之間關係的一種數學統屬
計方法，目的是瞭解y和x之間相關性的強度。
擬合是推求一個函式表示式y=f(x)來描述y和x之間的關係，一般用最小二乘法原理來計算。
用直線來擬合時，可以叫一次曲線擬合，雖然有點彆扭；用二次函式來擬合時，可以叫拋物線擬合或二次曲線擬合，但不能說線性迴歸。
用直線(y=ax+b)擬合時，得到的方程和一元線性迴歸分析得到的方程是一樣的，但是擬合時可以人為指定函式引數形式，如b=0，而線性迴歸分析目的則側重於描述y和x線性相關的程度，通常會同時計算相關係數、f檢驗值等統計引數。
7樓：匿名使用者
第一個是一次曲線擬合。
第二個既然是「二次方程」，那就是二次曲線擬合。類似地，用三次方程表示就是三次曲線擬合；用指數就是指數曲線擬合……
線性迴歸和一次曲線擬合沒有區別。
請問，【線性擬合】與【線性迴歸】的區別是什麼？？
8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。
9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。
10樓：匿名使用者
正確答案參見「其他回答」
實驗室線性迴歸方程y a bx中a，b和相關係數r的計算公式
直線迴歸y a bx跟相關係數r之間沒有關係的，迴歸方程是表述了各點之間自 變數與應變數的產業化規律，表達的是一個趨勢。相關係數r表態的是這種趨勢的相關程度，也就是點的集中程度。如果所有的點距迴歸方程都很近，說明相關性好。如果點比較分散，r 的值小，那回歸方程的指導意義就不是太大。解題過程如下圖 線...
迴歸年和恆星年區別的影響，恆星年與迴歸年有什麼不同？
春分點時相對地球而言的，談不上太陽系。我所謂的迴歸年就是春分點從北緯22.5度到南緯22.5再到北緯22.5度的時間，時間大約為365.24219年，恆星年是相對於恆心的時間，也就是地球繞太陽一週的時間，其值大約為365.25636年。你會問這個問題，你根本沒搞清楚什麼是迴歸年。迴歸年其實就是地球上...
最小二乘和自迴歸模型的區別sar
最小bai二乘法針對的是一個自變數一 du個函式zhi 而多元針對的是多個自變數dao 如果有專兩個或兩個以上的屬自變數,就稱為多元迴歸。一種現象常常是與多個因素相聯絡的,由多個自變數的最優組合共同來 或估計因變數,比只用一個自變數進行 或估計更有效,更符合實際。eviews如何進行自迴歸方程引數的...