拟合曲线或表面,以数据
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(Cdate,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)
有关库模型名称的列表,请参阅fitType
.
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)
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)
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”)
为自定义非线性模型创建一个适合选项对象和适合类型 ,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
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(Cdate,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)
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])
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”)
图绘图(f2,x,y)标题('适合数据点,排除在此之后x <800')
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”)
数字;绘图(F2,x,y,outrude2)标题('适合数据点,排除在此之后x <800')
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(f2, [x y], z,“排除”, z > 1);标题('与排除的数据点进行拟合,使z>1')
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”);
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”)
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”)
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)
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。
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)
X
-数据以适应要适合的数据,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
y
-数据以适应要拟合的数据,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
Z.
-数据以适应要拟合的数据,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
fitType
-拟合模型类型fittype
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 |
---|---|
|
线性多项式曲线 |
|
线性多项式表面 |
|
二次多项式曲线 |
|
分段线性插值 |
|
分段立方插值 |
|
平滑花键(曲线) |
|
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'
fitOptions
-算法选项fitoptions.
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。
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
.
“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。
'正常化'
-用于居中和缩放数据的选项“关闭”
(默认)|'在'
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
“排除”
-不适合的点指向从拟合排除,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
'问题'
-分配给问题依赖项的值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
'smoothingparam'
-平滑参数平滑参数,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
'跨度'
-局部回归中使用的数据点比例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
“稳健”
-鲁棒线性最小二乘拟合方法“关闭”
(默认)|拉
|Bisquare
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
“低”
-拟拟合系数的下界拟合系数的下界,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
'上'
-拟合系数的上界拟合系数的上界,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
“起点”
-这些系数的初始值系数的初始值,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”
-算法用于拟合程序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
'DiffMaxChange'
-有限差分梯度系数的最大变化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
“DiffMinChange”
-有限差分梯度系数的最小变化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
“显示”
-命令窗口中的显示选项“通知”
(默认)|“最后一次”
|'iter'
|“关闭”
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
'MaxFunEvals'
-允许模型评估的最大数量600
(默认)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
“麦克斯特”
-允许的最大迭代数400.
(默认)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
“TolFun”
-模型值的终止公差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
'tolx'
-系数值的终止公差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
GOF.
- - - - - -拟合优度统计GOF.
结构优度拟合统计,返回作为GOF.
结构,包括此表中的字段。
场地 |
价值 |
---|---|
|
误差平方和 |
|
R平方(判定系数) |
|
误差中的自由度 |
|
自由度调整系数的确定 |
|
均方根误差(标准差) |
输出
-拟合算法信息输出
结构拟合算法的信息,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 |
---|---|
|
观察次数(响应值) |
|
需要拟合的未知参数(系数)的个数 |
|
残差矢量 |
|
雅可比矩阵 |
|
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。 |
|
迭代次数 |
|
功能评估数量 |
|
一阶最优性度量(梯度分量的绝对最大值) |
|
拟合算法采用 |
您单击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。