前言:
今天小伙伴们对“excel 拟合公式提取”大概比较珍视,各位老铁们都需要知道一些“excel 拟合公式提取”的相关文章。那么小编在网上网罗了一些对于“excel 拟合公式提取””的相关内容,希望同学们能喜欢,各位老铁们快快来了解一下吧!*原创**实例*
假设技能“嗜血杀戮”,技能等级上限60,每提升1级,需要获得对应数量的技能经验,如下表
问:如何预测Lv.30所需的技能经验?
解题思路
1.在文章《EXCEL说:计算集散点的多元线性回归函数反推游戏经验曲线》中,有使用拟合函数,对已知数据进行曲线趋势和数值预测
2.方法一致,不过今天将使用多种拟合函数(LINEST、FORECAST、TREND、GOGEST、GROWTH)来对比结果
线性拟合-----锵锵游戏数值策划
【方案一】Index函数+LINEST函数
令技能等级x,技能经验y,函数系数a[n]
期望形状一元4次方程:y(x)=a[1]*x^4+a[2]*x^3+a[3]*x^2+a[4]*x+a[5]
那么:y(x)=0.1685*x^4-6.4334*x^3+77.6976*x^2+44.4652*x+34.1022
y(30)=INT(0.1685*30^4-6.4334*30^3+77.6976*30^2+44.4652*30+34.1022)
y(30)=34079
【方案二】FORECAST函数
y(30)=FORECAST(30,$D$20:$D$24,$C$20:$C$24)
y(30)=16401
【方案三】TREND函数
y(30)=TREND($D$20:$D$24,$C$20:$C$24,30)
y(30)=16401
为什么【方案一】与【方案二】和【方案三】数值预测差距这么大?
原因:受到数学模型的精度
我们将【方案一】的期望形状改为一元一次方程:y(x)=a[1]*x+a[2]
y(30)=INT(604.845*30-1744.3)
y(30)=16401
由于FORECAST和TREND函数,建立一元一次方程的数据预测,所以将【方案一】修改为一元一次方程,结果就一致了,大家实际工作中,请根据自己的精度需求,选择期望方程形状。
指数拟合-----锵锵游戏数值策划
【方案一】Index函数+GOGEST函数
令技能等级x,技能经验y,函数系数P[n]
期望方程形状:y(x)=P[2]*P[1]^x
那么y(x)=341.978*1.1837^x
y(30)=INT(341.978*1.1837^30)
y(30)=53857
【方案二】GROWTH函数
y(x)=GROWTH($D$20:$D$24,$C$20:$C$24,x)
y(30)=GROWTH($D$20:$D$24,$C$20:$C$24,30)
y(30)=53843
我们将上述六种方案的数据,建立XY散点图,如下:
数值策划,在实际处理功能时,要结合项目的实际需求,将功能时间、目标人群、功能收益等全盘考虑,本文仅介绍小编工作中,个人预测数值时的常用方法。
*原创*请关注 锵锵游戏数值策划
标签: #excel 拟合公式提取 #线性拟合该如何取舍