什么是非线性回归
非线性回归是一种回归分析的形式，其中数据适合模型，然后表示为数学函数。 简单线性回归将两个变量（X和Y）与一条直线（y = mx + b）相关联，而非线性回归必须生成一条线（通常是一条曲线），就好像Y的每个值都是随机变量一样。 该模型的目标是使平方和尽可能小。 平方和是一种度量，用于追踪观察值与数据集平均值之间的差异。 它是通过首先找到平均值和数据集中每个点之间的差来计算的。 然后，将每个差异平方。 最后，将所有平方数字加在一起。 这些平方数字的总和越小，该函数就越适合该集合中的数据点。 非线性回归使用对数函数，三角函数，指数函数和其他拟合方法。
分解非线性回归
非线性回归建模与线性回归建模相似，两者都试图以图形方式跟踪一组变量的特定响应。 非线性模型要比线性模型复杂得多，因为函数是通过一系列可能源自反复试验的近似值（迭代）创建的。 数学家使用几种已建立的方法，例如高斯-牛顿法和Levenberg-Marquardt法。
