如何使用多项式回归计算器
多项式回归计算器让你在几秒内完成任意阶多项式的曲线拟合。
- 选择阶数 — 在下拉菜单中选择 2 至 6 次中的多项式阶数。2 次为二次曲线，3 次为三次曲线，以此类推。
- 输入数据 — 在文本框中粘贴或输入 (x, y) 数据对，每行一对，用逗号或空格分隔。点击加载示例可先体验内置示例数据。
- 查看结果 — 多项式回归计算器立即显示回归方程、各项系数 β₀…βₙ、R²、调整后 R²、MSE 和 RMSE。
- 预测新值 — 在预测输入框中填入任意 x 值，多项式回归计算器即时输出对应的 ŷ 预测值。
- 查看残差表 — 向下滚动可看到每个数据点的实际值、预测值和残差，便于识别异常点。
点击清空可重置数据重新开始。
公式与原理 — 多项式回归计算器
多项式回归计算器拟合如下模型：
y = β₀ + β₁x + β₂x² + … + βₙxⁿ
通过最小化残差平方和（RSS）求解系数：
RSS = Σᵢ (yᵢ − ŷᵢ)²
转化为正规方程组：
(XᵀX) β = Xᵀy
其中 X 为范德蒙型设计矩阵。多项式回归计算器采用列主元高斯消元法求解，保证数值稳定性。
| 符号 | 含义 |
|---|---|
| βₖ | xᵏ 项的系数 |
| ŷᵢ | 第 i 个观测值的预测 y |
| R² | 决定系数（1 = 完美拟合） |
| 调整后 R² | 对模型复杂度惩罚后的 R² |
| MSE | 均方误差 = RSS / n |
| RMSE | 均方根误差 = √MSE |
如何选择合适的阶数
高次多项式在训练数据上的 RSS 更低，但容易过拟合。在多项式回归计算器中，建议以调整后 R² 为依据——若提升阶数后其不再改善，无需继续增加。
多项式回归计算器的使用场景
多项式回归计算器广泛应用于各类非线性关系分析：
- 科学实验 — 标准曲线、剂量-效应研究和光谱数据通常非线性，多项式回归计算器可自动求出最佳拟合曲线。
- 工程与制造 — 非线性应力-应变关系或温度系数建模，多项式回归计算器可提供精确结果。
- 经济与金融 — 收入和成本曲线常存在边际递减或递增效应，多项式回归计算器能捕捉这些形态。
- 机器学习与数据科学 — 多项式回归是特征工程和基底扩展的重要基础工具。
- 教育与科研 — 学生和研究者使用多项式回归计算器验证实验数据与理论预测的吻合程度。
只要数据呈现出非线性趋势，多项式回归计算器就是你最直观、最高效的曲线建模工具。