Matlab中fitlm回归模型if语句无法过滤R²=1模型的问题排查

问题描述 #

我在Matlab中使用fitlm函数进行回归分析，希望筛选出普通R²大于0.75但不等于1，且Coefficients中第二个p值小于0.05的模型并绘图（这类模型表现良好但非完美，存在变量自对比情况）。

编写的代码如下：

%do the modelling    
mdl = fitlm(X,comp);

%plot the good models
if mdl.Rsquared.Ordinary > 0.75 && mdl.Rsquared.Ordinary < 1 && mdl.Coefficients.pValue(2) < 0.05

plot(mdl)

end

尝试两种条件写法后遇到异常：

• 使用mdl.Rsquared.Ordinary ~= 1时，能过滤R²<0.75和p值不满足的模型，但无法过滤R²=1的模型
• 使用mdl.Rsquared.Ordinary < 1的条件也无效

想知道问题出在哪里？为什么R²>0.75的条件生效，而R²<1或≠1的条件不起作用？

问题根源：浮点数精度误差 #

Matlab中计算得到的"R²=1"并非严格等于数学意义上的1，而是一个非常接近1的浮点数（比如0.999999999999999或者1.000000000000002）。直接用==/~=/<1这类严格数值对比会因为浮点数的精度偏差失效：

• 当R²实际是0.999999999999999时，mdl.Rsquared.Ordinary <1会返回true，但如果是1.000000000000001（因计算误差略大于1），<1就会返回false
• 严格的~=1对比会因为浮点数和1的微小偏差被判定为满足条件，导致R²接近1的模型被错误保留

解决方案：设置容差进行近似对比 #

不要用严格的数值相等/不等判断，而是设置一个接近1的容差阈值，或者判断R²与1的差值绝对值是否小于某个极小值：

写法1：设置上限阈值 #

% 设置接近1的上限，比如0.9999，可根据需求调整
if mdl.Rsquared.Ordinary > 0.75 && mdl.Rsquared.Ordinary < 0.9999 && mdl.Coefficients.pValue(2) < 0.05
    plot(mdl)
end

写法2：用差值绝对值判断 #

% 判断R²与1的差距是否大于极小值（比如1e-10），规避浮点数精度问题
if mdl.Rsquared.Ordinary > 0.75 && abs(mdl.Rsquared.Ordinary - 1) > 1e-10 && mdl.Coefficients.pValue(2) < 0.05
    plot(mdl)
end

补充说明 #

当回归模型出现完全拟合（比如自变量和因变量完全线性相关，或存在变量自对比）时，Matlab计算的R²可能会因为浮点运算的精度问题，表现为略大于或略小于1的数值，而非严格的1。使用容差对比能有效规避这类精度陷阱。

内容的提问来源于stack exchange，提问作者user2587726