最小二乗フィッティング

最小二乗近似はデータフィッティングを最適化する最も一般的な方法です。

測定を実行する前に、研究者は実験の可能な結果について考える必要があります。測定するデータを予測するモデルを作成します。

測定の結果、通常データポイントのコレクションといくつかの変数を含むモデルの方程式が得られます。変数の最適値を見つけるには、まず何が「最適」かを定義する必要があります。最小2乗フィッティングは、残差の2乗和が最小になる変数がベストであると仮定します。残差は、測定されたデータ点とモデルによる予測値との間の偏差である。

言い換えるとモデル内の変数の最良の値は、シミュレーションデータが測定データに最も近いものです。

科学で最も一般的なアプリケーションは線形回帰です。しかし、電気化学、特に 電気化学インピーダンス分光法（EIS）では、このフィッティング方法は 等価回路に基づいたモデルを測定データに適合させるために使用されます。