主要内容

合身

拟合曲线或表面，以数据

折叠所有页面

句法

fitobject = fit（x，y，fittype）
fitobject = fit（[x，y]，z，fittype）
fitobject=fit（x、y、fitType、fitOptions）
fitobject=fit（x、y、fitType、名称、值）
[fitobject，gof] = fit（x，y，fittype）
[Fitobject，GOF，输出] = FIT（x，y，fittype）

描述

例子

fitobject=适合(X那y那fitType）创建适合的数据X和y使用指定的型号fitType．

例子

fitobject= fit（[X那y]，Z.那fitType）创建一个表面拟合到在载体中的数据X那y， 和Z.．

例子

fitobject=适合(X那y那fitType那fitOptions）使用指定的算法选项创建数据拟合fitOptions对象

例子

fitobject=适合(X那y那fitType那名称，价值）创建使用库模型的数据拟合fitType与由一个或多个指定的附加选项名称，价值对参数。用fitoptions.为特定库模型显示可用的属性名称和默认值。

例子

[fitobject那GOF.) =健康(X那y那fitType）返回结构中的拟合优度统计信息GOF.．

例子

[fitobject那GOF.那输出) =健康(X那y那fitType）返回在结构拟合算法信息输出．

例子

全部收缩

打开实时脚本

加载一些数据，用二次曲线拟合变量cdate和流行音乐，并绘制拟合图和数据。

加载普查；f = fit（C​​date，Pop，'poly2'）
f=线性模型Poly2:f（x）=p1*x^2+p2*x+p3系数（具有95%置信限）：p1=0.006541（0.006124，0.006958）p2=-23.51（-25.09，-21.93）p3=2.113e+04（1.964e+04，2.262e+04）
绘图（f、cdate、pop）

图中包含一个坐标轴。轴线包含2个线型对象。这些对象代表数据，拟合曲线。

有关库模型名称的列表，请参阅fitType．

打开实时脚本

加载一些数据，并在适合度2的多项式表面X并获得学士学位y．剧情配合和数据。

加载弗兰卡sf=拟合（[x，y]，z，“poly23”）
线性模型Poly23：SF（X，Y）= P00 + P10 * X + P01 * Y + P20 * X ^ 2 + P11 * X * Y + P02 * Y ^ 2 + P21 * X ^ 2 * Y + P12 * X* Y ^ 2 + P03 * Y ^ 3个系数（具有95％置信界限）：P00 = 1.118（0.9149，1.321）P10 = -0.0002941（-0.000502，-8.623e-05）P01 = 1.533（0.7032，2.364）P20= -1.966e-08（-7.084e-08，3.152e-08）P11 = 0.0003427（-0.0001009，0.0007863）P02 = -6.951（-8.421，-5.481）P21 = 9.563e-08（6.276e-09，1.85e-07）P12 = -0.0004401（-0.0007082，-0.0001721）P03 = 4.999（4.082，5.917）
绘图（SF，[x，y]，z）

图中包含一个坐标轴。轴包含面、线两个对象。

打开实时脚本

加载弗兰卡数据，并转换为MATLAB®表。

加载弗兰卡t =表（x，y，z）;

的输入指定表中的变量合身函数，并绘制匹配图。

F =拟合（[T.x，T.y]，T.z，'linearinterp'); 图（f[T.x，T.y]，T.z）

图中包含一个坐标轴。轴包含面、线两个对象。

打开实时脚本

控件加载并绘制数据，创建适合选项和适合类型fittype和fitoptions.函数，然后创建并绘制拟合。

加载并绘制数据人口普查网．

加载普查情节(cdate、流行,“o”）

图中包含一个坐标轴。轴包含类型线的对象。

为自定义非线性模型创建一个适合选项对象和适合类型 y = 一种 （ X - B. ） N ,在那里一种和B.是系数，N是一个与问题相关的参数。

FO = fitoptions（“方法”那'非线性半角'那...“低”,[0,0],...'上'[天道酬勤，MAX（CDATE）]...“起点”[1]);英国《金融时报》= fittype (“*(取向)^ n”那'问题'那“n”那“选项”fo);

使用拟合选项和值符合数据N= 2。

[CURVE2，gof2] =拟合（CDATE，POP，英尺，'问题', 2)
curve2=一般模型：curve2（x）=a*（x-b）^n系数（具有95%置信限）：a=0.006092（0.005743，0.006441）b=1789（17841793）问题参数：n=2
GOF2 =结构与字段：Sse: 246.1543 rsquare: 0.9980 dfe: 19 adjrsquare: 0.9979 rmse: 3.5994

使用拟合选项和值符合数据N= 3。

[曲线3，GOF3] =适合（Cdate，Pop，Ft，'问题'3)
curve3 = General model: curve3(x) = a*(x-b)^n Coefficients (with 95% confidence bounds): a = 1.359e-05 (1.245e-05, 1.474e-05) b = 1725 (1718, 1731) Problem parameters: n = 3
GOF3 =结构与字段：sse:232.0058 rsquare:0.9981 dfe:19 adjrsquare:0.9980 rmse:3.4944

用数据绘制拟合结果。

抓住在…上图（CURVE2，“米”）绘图（曲线3，“c”)传说(“数据”那“n = 2”那“n = 3”)持有离开

图中包含一个轴。轴包含3个类型为line的对象。这些对象表示数据，n=2，n=3。

打开实时脚本

加载一些数据，拟合并绘制一个具有中心和比例的三次多项式(正常化）和强大的拟合选择。

加载普查；f = fit（C​​date，Pop，“poly3”那'正常化'那'在'那“稳健”那“Bisquare”）
系数(95%置信限):p1 = -0.4619 (-1.895, 0.9707) p2 = 25.01 (23.79, 26.22) p3 = 77.03 (74.37, 79.7) p4 = 62.81 (61.26, 64.37)
绘图（f、cdate、pop）

图中包含一个坐标轴。轴线包含2个线型对象。这些对象代表数据，拟合曲线。

在文件中定义一个函数，并使用它来创建适合类型和适合曲线。

在MATLAB定义功能®文件。

功能y=分段直线（x，a，b，c，d，k）％分段电线由两件制成的线%这是不连续的。y=零（尺寸（x））；这个例子包括一个for循环和if语句％纯粹以例如目的。为了i=1：长度（x）如果x（i）别的Y (i) = c + d. x(i);结尾结尾结尾

保存文件。

定义一些数据，创建一个合适的类型来指定函数piecewiseLine，使用fit类型创建fitFT.，并绘制结果。

x=[0.81；0.91;0.13;0.91;0.63;0.098;0.28;0.55;...0.96;0.96;0.16;0.97;0.96]; y=[0.17；0.12;0.16;0.0035;0.37;0.082;0.34;0.56;...0.15; -0.046; 0.17; -0.091; -0.071);英国《金融时报》= fittype ('piecewiseLine(x, a, b, c, d, k)')f=配合（x，y，ft，“起点”， [1, 0, 1, 0, 0.5])
打开实时脚本

加载一些数据并符合自定义方程，指定要排除的点。绘制结果。

加载数据并定义自定义方程和一些起点。

[x, y] =钛;gaussEqn ='A * EXP（ - （（X-B）/ C）^ 2）+ d'
gaussEqn = 'A * EXP（ - （（X-B）/ C）^ 2）+ d'
startPoints = [1.5 900 10 0.6]
startPoints =1×41.5000 900.0000 10.0000 0.6000

创建使用自定义方程2配合并启动点，并定义两个不同的集合中排除的点，使用索引载体和表达。用排除从拟合中删除异常值。

f1=拟合（x'，y'，N，'开始'曾经繁荣,“排除”[1 10 25]）
系数(95%置信限):a = 1.493 (1.432, 1.554) b = 897.4 (896.5, 898.3) c = 27.9 (26.55, 29.25) d = 0.6519 (0.6367, 0.6672)
F2 =拟合（X 'Y'，gaussEqn，'开始'曾经繁荣,“排除”，x<800）
f2 = General model: f2(x) = a*exp(-((x-b)/c)^2)+d Coefficients (with 95% confidence bounds): a = 1.494 (1.41, 1.578) b = 897.4 (896.2, 898.7) c = 28.15 (26.22, 30.09) d = 0.6466 (0.6169, 0.6764)

情节都适合。

图（F1，X，Y）标题（“拟合数据点1，图10和25中排除”）

图中包含一个坐标轴。标题为Fit with data point 1,10, and 25(不包括数据点1,10和25)的轴包含2个类型为line的对象。这些对象代表数据，拟合曲线。

图绘图（f2，x，y）标题（'适合数据点，排除在此之后x <800'）

图中包含一个坐标轴。与数据点拟合的标题的轴线排除，使得x <800包含类型的线2个对象。这些对象代表数据，拟合曲线。

打开实时脚本

你可以向他们提供作为输入到拟合函数之前定义排除点作为变量。下面的步骤重新创建前面例子中的配合，让你绘制排除点以及数据和配合。

加载数据并定义自定义方程和一些起点。

[x, y] =钛;gaussEqn ='A * EXP（ - （（X-B）/ C）^ 2）+ d'
gaussEqn = 'A * EXP（ - （（X-B）/ C）^ 2）+ d'
startPoints = [1.5 900 10 0.6]
startPoints =1×41.5000 900.0000 10.0000 0.6000

使用索引向量和表达式定义两组要排除的点。

exclude1 = [1 10 25];exclude2 = X <800;

创建两个适合使用自定义方程，起点，和两个不同的排除点。

f1=拟合（x'，y'，N，'开始'曾经繁荣,“排除”，exclude1）;F2 =拟合（X 'Y'，gaussEqn，'开始'曾经繁荣,“排除”, exclude2);

绘制符合和突出排除的数据。

绘图（f1、x、y、不包括1）标题(“拟合数据点1，图10和25中排除”）

图中包含一个轴。标题与排除的数据点1、10和25匹配的轴包含3个line类型的对象。这些对象表示数据、排除数据、拟合曲线。

数字;绘图（F2，x，y，outrude2）标题（'适合数据点，排除在此之后x <800'）

图中包含一个坐标轴。具有标题适合具有数据点的轴，排除在内，X <800包含3个类型的类型。这些对象代表数据，排除数据，拟合曲线。

用于表面安装用排除点例如，加载一些表面数据并创建和情节拟合指定排除的数据。

加载弗兰卡F1 =拟合（[X Y，Z，“poly23”那“排除”, [1 10 25]); f2=配合（[x y]，z，“poly23”那“排除”， z > 1);图绘图（f1，[x y]，z，“排除”, [1 10 25]); 头衔(“拟合数据点1，图10和25中排除”）

图中包含一个坐标轴。标题为“Fit with data point 1,10, and 25”的轴包含3个类型为surface, line的对象。

图(f2， [x y]， z，“排除”， z > 1);标题('与排除的数据点进行拟合，使z>1'）

图中包含一个坐标轴。带有标题的轴与数据点不匹配，使z> 1包含3个类型为surface, line的对象。

打开实时脚本

加载一些数据并通过变量拟合平滑样条曲线月和压力，并返回拟合优度信息和输出结构。根据数据绘制拟合和残差。

加载恩索；[曲线，良度，产量]=适合(月，压力，“smoothingspline”）;绘图（曲线，月，压力）;Xlabel（'月'); 伊拉贝尔(“压力”）;

图中包含一个坐标轴。轴线包含2个线型对象。这些对象代表数据，拟合曲线。

对X-DATA绘制残差（月）。

情节（曲线，月，压力，'残留')xlabel('月')伊拉贝尔(“残差”）

图中包含一个坐标轴。轴线包含2个线型对象。这些对象表示数据，零线。

使用中的数据输出结构暗算的y数据的残差（压力）。

绘图（压力、输出、残差、，'。')xlabel(“压力”)伊拉贝尔(“残差”）

图中包含一个坐标轴。轴包含类型线的对象。

打开实时脚本

使用指数趋势生成数据，然后使用指数模型的曲线拟合库中的第一方程（单术语指数）拟合数据。绘制结果。

x=（0:0.2:5）'；y=2*exp（-0.2*x）+0.5*randn（尺寸（x））；f=配合（x，y，'EXP1'）;绘图（F，X，Y）

图中包含一个坐标轴。轴线包含2个线型对象。这些对象代表数据，拟合曲线。

您可以使用匿名函数，以便更容易地将其他数据传递到合身函数。

加载数据和设置Emax到1之前定义的匿名函数：

数据= IMPORTDATA（'阿片类催眠药协同作用.txt'); 异丙酚=数据。数据（：，1）；瑞芬太尼=数据。数据（：，2）；算法=数据。数据（：，3）；Emax=1；

将模型方程定义为匿名函数:

效果= @(IC50A, IC50B, alpha, n, x, y)...EMAX *（X / IC50A + Y / IC50B +阿尔法*（X / IC50A）...。*（y / ic50b））。^ n ./（（x / IC50a + y / ic 50b +...Alpha *（X / IC50A）。*（Y / IC50B））。^ n + 1）;

使用匿名功能影响作为输入合身函数，并绘制结果：

algometryeffect = fit（ρ，varofol，remifentanil]，alborry，效果，...“起点”, [2, 10, 1, 0.8],...“低”， [-Inf， -Inf， -Inf]，...“稳健”那'lar'）绘图（algometryeffect，achofol，remifentanil]，alborry）

有关使用匿名函数和其他自定义模型的更多示例，请参阅fittype函数。

打开实时脚本

对于属性上那较低的， 和起止点，你需要找到系数项的顺序。

创建一个合适的类型。

英国《金融时报》= fittype (" b * x ^ 2 + c * x +一个“）;

获取系数名称并使用订单coeffnames函数。

coeffnames（英尺）
ans =.3x1细胞{ '一个'} { 'B'} { 'C'}

请注意，这与用于创建的表达式中的系数顺序不同FT.和fittype．

加载数据，创建适合并设置起始点。

加载恩索FIT（月，压力，FT，“起点”，[1,3,5]）
系数(95%置信限):a = 10.94 (9.362, 12.52) b = 0.0001677 (-7.985e-05, 0.0004153) c = -0.0224 (-0.06559, 0.02079)

这给系数赋了如下的初值:a = 1那B = 3那c=5．

或者，您可以获得适合选项并设置起点和下界，然后使用新选项重新设置。

选项=fitoptions（英尺）
选项=正常化：'关闭'排除：[]权重：[]方法：'非线性半角'鲁棒：'关闭'开始点：[1x0 double]较低：[1x0 double] upper：[1x0 double]算法：'信任区域'Diffminchange：1.0000E-08 DiffMaxChange：0.1000显示：“通知”MaxFunevals：600 MAXITER：400 TOLFUN：1.0000E-06 TOLX：1.0000E-06
options.StartPoint=[10 1 3]；选项。下限=[0-Inf 0]；配合（月份、压力、英尺、选项）
ans=一般模型：ans（x）=b*x^2+c*x+a系数（具有95%置信限）：a=10.23（9.448，11.01）b=4.335e-05（-1.82e-05，0.0001049）c=5.523e-12（固定在界）

输入参数

全部收缩

要适合的数据，指定为具有一个（曲线配件）或两个（表面拟合）列的矩阵。您可以使用Matlab表中的变量指定使用tablename.varname．不能包含正或南．只有复杂数据的实际部分用于配合。

例子:X

例子:(x, y)

数据类型:双

要拟合的数据，指定为列向量，行数与X．您可以使用MATLAB表中指定一个变量tablename.varname．不能包含正或南．只有复杂数据的实际部分用于配合。

用加工urvedata.或准备索赔如果您的数据不是列向量表单。

数据类型:双

要拟合的数据，指定为列向量，行数与X．您可以使用MATLAB表中指定一个变量tablename.varname．不能包含正或南．只有复杂数据的实际部分用于配合。

用准备索赔如果您的数据不是列向量表单。例如，如果您有3个矩阵，或者您的数据是网格矢量表单，在哪里长度（x）= n，长度（y）= m和大小(Z) = (m, n)．

数据类型:双

模型类型来配合，指定为库模型名称字符向量，一个MATLAB表达，的线性模型方面的单元阵列，一个匿名函数，或一个fittype建于fittype函数。可以使用的任何有效的第一个输入fittype作为输入到合身．

有关库模型名称的列表，请参阅模型名称和方程．该表显示了一些常见的例子。

图书馆模型名称

描述

'poly1'

线性多项式曲线

“poly11”

线性多项式表面

'poly2'

二次多项式曲线

'linearinterp'

分段线性插值

“cubicinterp”

分段立方插值

“smoothingspline”

平滑花键（曲线）

“洛维斯”

局部线性回归(面)

要适应自定义模型，可以使用MATLAB表达式、线性模型项的单元阵列、匿名函数或创建fittype和fittype功能，以此为fitType论点。例如，看到使用匿名函数适应自定义模型. 有关线性模型术语的示例，请参见fitType函数。

例子:'poly2'

算法选择使用构建fitoptions.函数。这是fit选项指定名称-值对参数的一种替代方法。

名称值对参数

指定可选的逗号分离对名称，价值参数。的名字是参数名称和价值是对应的值。的名字必须出现在引号内。您可以以任何顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:“低”,(0,0),“上层”,正无穷,max (x),“曾经繁荣”,[1]指定拟合方法、边界和起始点。
所有拟合方法的选项

全部收缩

中心的选项和缩放数据，指定为逗号分隔的对'正常化'和'在'或“关闭”．

数据类型:字符

指向从拟合排除，指定为逗号分隔的一对组成的“排除”与之一：

  • 描述逻辑向量的表达式，例如:X> 10．

  • 一个整数向量，索引要排除的点，例如:[1 10 25]．

  • 所有数据点的逻辑向量真的表示一个异常值，由excludedata．

例如，看到从拟合中排除点．

数据类型:逻辑|双

适合的权值，指定为逗号分隔的对，由'重量'以及与响应数据大小相同的向量y（曲线）或Z.（表面）。

数据类型:双

要赋给与问题相关的常数的值，指定为由'问题'和一个单元数组，每个元素与问题相关的常数。有关详细信息,请参见fittype．

数据类型:细胞|双

平滑选项

全部收缩

平滑参数，指定为逗号分隔对组成'smoothingparam'以及介于0和1之间的标量值。默认值取决于数据集。仅当配合类型为时可用smoothingspline．

数据类型:双

在本地回归中使用的数据点比例指定为逗号分隔对组成'跨度'和0到1之间的标量值。仅适合类型为洛斯或黄土．

数据类型:双

线性和非线性最小二乘选项

全部收缩

稳健线性最小二乘拟合方法，指定为逗号分隔对，包括“稳健”和其中一个值：

  • 'lar'指定最小绝对残差法。

  • “Bisquare”指定双正方形权重方法。

适合类型时可用方法是线性最小二乘法或非线性半角．

数据类型:字符

拟合系数的下界，指定为逗号分隔对，由“低”和一个向量。默认值是一个空向量，表示适合不受下界的约束。如果指定了边界，则向量长度必须等于系数的数目。的方法求向量值中系数项的顺序coeffnames函数。例如，看到查找系数以设置起点和边界．可以指定个人无约束的下限-inf.．

当可用方法是线性最小二乘法或非线性半角．

数据类型:双

拟合系数的上界，指定为逗号分隔对，由'上'和一个向量。默认值为空向量，表示拟合不受上界约束。如果指定了边界，则向量长度必须等于系数的数目。使用coeffnames函数。例如，看到查找系数以设置起点和边界．单个无约束上界可以用+正．

当可用方法是线性最小二乘法或非线性半角．

数据类型:逻辑

非线性最小二乘方法

全部收缩

系数的初始值，指定为逗号分隔对，由“起点”和一个向量。的方法求向量值中系数项的顺序coeffnames函数。例如，看到查找系数以设置起点和边界．

如果没有起始点(空向量的默认值)，则传递给合身函数，一些库模型的起始点是启发式地确定的。对于理性和威布尔模型，以及所有自定义非线性模型，工具箱从区间(0,1)中均匀随机地选择系数的默认初始值。因此，使用相同的数据和模型进行多次拟合，可能会得到不同的拟合系数。为了避免这种情况，为系数指定初始值fitoptions.对象或对象的向量值起止点价值

当可用方法是非线性半角．

数据类型:双

算法用于拟合的过程，指定为逗号分隔对组成“算法”,要么“Levenberg-Marquardt”或“信赖域”．

当可用方法是非线性半角．

数据类型:字符

有限差分梯度系数的最大变化，指定为逗号分隔的对'DiffMaxChange'和一个标量。

当可用方法是非线性半角．

数据类型:双

有限差分梯度系数的最小变化，指定为逗号分隔对，包括“DiffMinChange”和一个标量。

当可用方法是非线性半角．

数据类型:双

命令窗口中的显示选项，指定为逗号分隔的对，由“显示”和其中一个选择：

  • “通知”仅当拟合不收敛时显示输出。

  • “最后一次”只显示最终输出。

  • 'iter'显示每次迭代的输出。

  • “关闭”显示没有输出。

当可用方法是非线性半角．

数据类型:字符

允许的最大模型计算数，指定为逗号分隔对，由'MaxFunEvals'和一个标量。

当可用方法是非线性半角．

数据类型:双

允许的最大迭代次数，指定为逗号分隔的对，由“麦克斯特”和一个标量。

当可用方法是非线性半角．

数据类型:双

在模型值上终止公差，指定为逗号分隔对组成“TolFun”和一个标量。

当可用方法是非线性半角．

数据类型:双

上的系数值终止公差，指定为逗号分隔的一对组成的'tolx'和一个标量。

当可用方法是非线性半角．

数据类型:双

输出参数

全部收缩

适合结果，作为一个返回CFIT（对于曲线）或sfit(表面)对象。看到合适的后处理用于绘图、评估、计算置信区间、积分、微分或修改适合对象的函数。

优度拟合统计，返回作为GOF.结构，包括此表中的字段。

场地

价值

上海证券交易所

误差平方和

rsquare

R平方（判定系数）

DFE.

误差中的自由度

adjrsquare

自由度调整系数的确定

rmse

均方根误差（标准差）

拟合算法的信息，返回作为输出结构中含有与所述拟合算法相关联的信息。

字段取决于算法。例如，输出非线性最小二乘算法的结构包括表中所示的字段。

场地

价值

暴民

观察次数(响应值)

numparam.

需要拟合的未知参数(系数)的个数

残差

残差矢量

雅各比亚

雅可比矩阵

ExitFlag.

描述算法的退出条件。正标志表示收敛，在公差范围内。零标志表示超过了函数计算或迭代的最大数量。负标志表示算法未收敛到解决方案。

迭代

迭代次数

Funccount.

功能评估数量

firstordopt.

一阶最优性度量(梯度分量的绝对最大值)

算法

拟合算法采用

也可以看看

应用程序

职能

话题

在R2006a之前引入

曲线拟合工具箱文档

万博1manbetx

机器学习挑战：选择最佳分类模型，避免过度装备

机器学习挑战：选择最佳分类模型，避免过度装备

下载白皮书