拟合度r2多少合适

MATLAB计算确定系数R2

MATLAB计算确定系数R2

拟合优度（GoodnessofFit）是指回归直线对观测值的拟合程度。度量拟合优度的统计量是可决系数（亦称确定系数）R²。

R²最⼤值为1。R²的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R²的值越⼩，说明回归直线对观测值的拟合程度越差,

常⽤计算公式如下：

⼀、matlab代码

%y1为预测值y为实际值

R2=1-(sum((y1-y).^2)/sum((y-mean(y)).^2))

⼆、⼯具箱验证

clc;

clear;

x=1:10;

y=10*x.^2+15*rand(1,1);

p1=110;

p2=-207.8;

y1=p1.*x+p2;

R2=1-(sum((y1-y).^2)/sum((y-mean(y)).^2))

三、讨论

计算并不难，我主要是来发个帖⼦讨论⼀下：

⽬前为⽌，我看到的论⽂⾥描述拟合效果的度量⽤R2的居多。但是最近我研究神经⽹络的时候会看到有些学者说⽤R2来度量拟合效果

不⼤合理，理由是神经⽹络的拟合是⾮线性拟合，对这个问题我还没有想清楚。

有没有前辈对这个问题有⾃⼰的看法呢？欢迎留⾔讨论