Для выбора оптимальных исходных данных для математической модели рекомендуется:

1. Собрать как можно больше количественной и качественной информации о поведении и свойствах объекта. 14 Чем больше и точнее измерений, тем более сложными, адекватными и точными могут быть построенные на их основе модели. 14
2. Разбить экспериментальные данные на две части. 3 Обучающую и проверочную. 3 Первая используется для определения коэффициентов регрессии модели, вторая — для оценки модели в целом. 3 Оптимальные по этому подходу модели мало чувствительны к небольшим изменениям исходных данных. 3
3. Использовать процедуру перекрёстной проверки. 14 Она состоит в многократном разбиении набора измерений на две части: одну используют для нахождения аппроксимирующей функции, другую — для оценки погрешности найденной аппроксимации. 1
4. Искать оптимальный компромисс между сложностью модели и близостью к измерениям на основе минимизации погрешности моделирования измерений. 14

Выбор математической модели реального объекта — результат компромисса между количеством и качеством исходной информации об объекте и сложностью модели. 14