主要内容

评估曲线拟合

打开实时脚本

此示例显示了如何使用曲线拟合。

加载数据并拟合多项式曲线

加载人口普查curvefit = fit（cdate，pop，'poly3'，，，，“正常化”，，，，'在'）
curvefit =线性模型poly3：curvefit（x）= p1*x^3 + p2*x^2 + p3*x + p4其中x通过平均1890和std 62.05系数（具有95％置信度）：p1 = 0.921 = 0.921（-0.9743，2.816）p2 = 25.18（23.57，26.79）p3 = 73.86（70.33，77.39）p4 = 61.74（59.69，63.8）

输出显示拟合模型方程，拟合系数和拟合系数的置信界。

绘制拟合，数据，残差和预测边界

情节（曲线，cdate，pop）

图包含一个轴对象。轴对象包含2个类型行的对象。这些对象表示数据，拟合曲线。

绘制残差拟合。

情节（曲线，cdate，pop，“残差”）

图包含一个轴对象。轴对象包含2个类型行的对象。这些对象表示数据，零行。

在拟合上绘制预测界限。

情节（曲线，cdate，pop，'predfunc'）

图包含一个轴对象。轴对象包含4个类型行的对象。这些对象表示数据，拟合曲线，预测界限。

评估指定点的拟合

通过指定值的值来评估特定点的拟合X，使用此表格：y = fittedModel（x）。

Curvefit（1991）
ANS = 252.6690

评估许多点的拟合值

评估值的模型，以推断到2050年。

xi =（2000：10：2050）。';曲线（XI）
ans =6×1276.9632 305.4420 335.5066 367.1802 400.4859 435.4468

获得这些值的预测界限。

ci = predint（curvefit，xi）
CI =6×2267.8589 286.0674 294.3070 316.5770 321.5924 349.4208 349.7275 384.6329 378.7255 422.2462 408.5919 462.3017

绘制跨推断拟合范围的拟合和预测间隔。默认情况下，拟合在数据范围内绘制。要查看从拟合中推断的值，请在绘制拟合之前将轴的上部X限制设置为2050。要绘制预测间隔，请使用predobs或者preatfun作为情节类型。

情节（CDATE，POP，'o'）xlim（[1900,2050]）持有在情节（曲线，“ predobs'） 抓住离开

图包含一个轴对象。轴对象包含4个类型行的对象。这些对象代表拟合曲线，预测范围。

获取模型方程

输入拟合名称以显示模型方程，拟合系数和拟合系数的置信界。

曲线
curvefit =线性模型poly3：curvefit（x）= p1*x^3 + p2*x^2 + p3*x + p4其中x通过平均1890和std 62.05系数（具有95％置信度）：p1 = 0.921 = 0.921（-0.9743，2.816）p2 = 25.18（23.57，26.79）p3 = 73.86（70.33，77.39）p4 = 61.74（59.69，63.8）

要仅获取模型方程，请使用公式。

公式（曲线）
ans ='p1*x^3 + p2*x^2 + p3*x + p4'

获取系数名称和值

按名称指定系数。

p1 = curvefit.p1
P1 = 0.9210
p2 = curvefit.p2
P2 = 25.1834

获取所有系数名称。查看拟合方程（例如，f（x）= p1*x^3+...）查看每个系数的模型项。

系数（CurveFit）
ans =4x1单元{'p1'} {'p2'} {'p3'} {'p4'}

获取所有系数值。

系数（CurveFit）
ans =1×40.9210 25.1834 73.8598 61.7444

在系数上获得信心界限

在系数上使用置信度范围来帮助您评估和比较拟合。系数上的置信度确定了其准确性。相距遥远的界限表示不确定性。如果线性系数的边界交叉零，则意味着您不能确定这些系数与零不同。如果某些模型项的系数为零，则它们没有帮助。

contint（curvefit）
ans =2×4-0.9743 23.5736 70.3308 59.6907 2.8163 26.7931 77.3888 63.7981

检查合适的统计数据

要在命令行中获得拟合优度统计信息，您可以：

  • 打开曲线钳工应用程序。在曲线钳工标签，在出口部分，单击出口并选择导出到工作区将您的合适性和合适性导出到工作区。

  • 指定gof使用合身功能。

重新创建指定的拟合gof和输出参数以获取合适的统计信息和拟合算法信息。

[curvefit，gof，output] = fit（cdate，pop，'poly3'，，，，“正常化”，，，，'在'）
curvefit =线性模型poly3：curvefit（x）= p1*x^3 + p2*x^2 + p3*x + p4其中x通过平均1890和std 62.05系数（具有95％置信度）：p1 = 0.921 = 0.921（-0.9743，2.816）p2 = 25.18（23.57，26.79）p3 = 73.86（70.33，77.39）p4 = 61.74（59.69，63.8）
gof =带有字段的结构：SSE：149.7687 RSQUARE：0.9988 DFE：17 ADGRSQUARE：0.9986 RMSE：2.9682
输出=带有字段的结构：数字：21 numparam：4个残差：[21x1 double] jacobian：[21x4 double] exitflag：1算法：'qR分解和求解'迭代：1

绘制残差的直方图以寻找大致正常的分布。

直方图（输出。保留，10）

图包含一个轴对象。轴对象包含类型直方图的对象。

绘制拟合，数据和残差

情节（曲线，cdate，pop，'合身'，，，，“残差”） 传奇地点西南子图（2,1,1）传奇地点西北

图包含2个轴对象。轴对象1包含2个类型行的对象。这些对象表示数据，拟合曲线。轴对象2包含2个类型行的对象。这些对象表示数据，零行。

查找方法

列出您可以使用的每种方法。

方法（CurveFit）
类CFIT的方法：ArgNames crint crominula numcoeffs setOptions类别依赖名称indepnames plot plot类型cfit区分集成predint coeffnames feval islinear islinear probnames coeffvalues fitoptions numargs pofvalues pofvalues

使用帮助命令找出如何使用合适方法。

帮助cfit/差异
区分区分拟合结果对象。deriv1 =区分（fitobj，x）在x指定的点处区分模型fitobj，并在deriv1中返回结果。FitOBJ是由拟合或CFIT函数生成的拟合对象。x是矢量。deriv1是一个与x相同的向量。从数学上讲，deriv1 = d（fitobj）/d（x）。[deriv1，deriv2] =区分（fitobj，x）分别计算模型fitobj的第一个和第二个衍生物，deriv1和deriv2。另请参见CFIT/集成，拟合，CFIT。