Google sheets 中的曲线拟合（带有示例）

通常，您可能希望找到最适合 Google 表格中一组数据的曲线的方程。

幸运的是，使用 Google 表格中的趋势线功能可以非常简单地做到这一点。

本教程提供了如何将方程拟合到 Google 表格中的曲线的分步示例。

第 1 步：创建数据

首先，让我们创建一个假数据集来使用：

第 2 步：创建散点图

接下来，我们创建一个散点图来可视化数据集。

突出显示单元格A2:B16 ，然后单击“插入”选项卡，然后单击“图表” ：

默认情况下，Google 表格会插入折线图。

但是，我们可以轻松地将其更改为散点图。

在屏幕右侧显示的图表编辑器面板中，单击图表类型旁边的下拉箭头并选择散点图：

将出现以下散点图：

第 3 步：添加趋势线

在图表编辑器面板中，单击自定义选项卡。然后单击系列下拉选项。然后选中趋势线旁边的框。

然后选中下面显示“显示 R ^2”的框。

以下线性趋势线将自动添加到图中：

R 平方告诉我们可以由预测变量解释的响应变量的变化百分比。

该特定曲线的 R 平方为0.363 。

相关：什么是好的 R 平方值？

第四步：选择最佳趋势线

从上图可以明显看出，线性趋势线未能捕捉到数据的行为。

相反，我们可以选择拟合多项式曲线。

为此，请单击“类型”下的下拉箭头，然后选择“多项式” 。

然后单击多项式次数下的下拉箭头并选择4 。

最后，单击“标签”下的下拉箭头，然后单击“使用方程” ：

这会产生以下曲线：

曲线方程如下：

y = -0.0192x ⁴ + 0.7081x ³ – 8.3649x ² + 35.823x – 26.516

该特定曲线的 R 平方为0.971 。

该 R 平方远高于之前趋势线的 R 平方，表明它与数据集的匹配更加紧密。

我们还可以使用该曲线方程根据预测变量来预测响应变量的值。

例如，如果x = 4 那么我们将预测y = 23.34 ：

y = -0.0192(4) ⁴ + 0.7081(4) ³ – 8.3649(4) ² + 35.823(4) – 26.516 = 23.34

注意：您可能需要使用多项式次数值，直到找到一条似乎能很好地拟合数据而不会过度拟合的曲线。

其他资源

以下教程介绍了如何在 Google 表格中执行其他常见任务：

如何在 Google 表格中执行线性回归
如何在 Google 表格中找到最适合的行
如何在 Google 表格中创建预测