Apakah Regresi Nonlinear
Regresi non linear adalah satu bentuk analisis regresi di mana data adalah sesuai untuk model dan kemudian dinyatakan sebagai fungsi matematik. Regresi linier sederhana menghubungkan dua pemboleh ubah (X dan Y) dengan garis lurus (y = mx + b), manakala regresi tak linear mesti menjana garis (biasanya kurva) seolah-olah setiap nilai Y adalah pemboleh ubah rawak. Matlamat model adalah untuk menjadikan jumlah kotak sekecil mungkin. Jumlah kuadrat adalah ukuran yang menjejaki berapa banyak pemerhatian berbeza dari min dari set data. Ia dihitung dengan terlebih dahulu mencari perbezaan antara min dan setiap titik data dalam set. Kemudian, setiap perbezaan tersebut adalah kuasa dua. Akhir sekali, semua angka kuadrat ditambah bersama. Lebih kecil jumlah angka kuasa dua ini, fungsi yang lebih baik adalah sesuai dengan titik data dalam set. Regresi tak linear menggunakan fungsi logaritma, fungsi trigonometri, fungsi eksponen, dan kaedah pemasangan lain.
Memecahkan Regresi Nonlinear
Pemodelan regresi non linear adalah sama dengan pemodelan regresi linier di mana kedua-duanya berusaha untuk mengesan tindak balas tertentu dari satu set pembolehubah secara grafik. Model nonlinear lebih rumit daripada model linear untuk dibangunkan kerana fungsi itu dibuat melalui siri penganggaran (lelaran) yang mungkin berasal dari percubaan-dan-kesalahan. Ahli matematik menggunakan beberapa kaedah yang telah ditetapkan, seperti kaedah Gauss-Newton dan kaedah Levenberg-Marquardt.
