要以编程方式拟合曲线,请遵循下面这个简单示例中的步骤:
加载数据。
负载hahn1
创建一个适合使用适合
函数,指定变量和模型类型(在本例中rat23
是模型类型)。
F = fit(temp, thermex, 'rat23')
画出你的适合度和数据。
Plot (f, temp, thermex) f(600)
比较各种多项式拟合的例子,见多项式曲线拟合.
要以编程方式适应一个表面,请遵循这个简单示例中的步骤:
加载数据。
负载因特网
创建一个适合使用适合
函数,指定变量和模型类型(在本例中poly23
是模型类型)。
F = fit([x, y], z, 'poly23')
画出你的适合度和数据。
情节(f, x, y, z)
有关自定义方程的示例,请参见生物制药数据的自定义方程表面拟合.
具体模型类型和拟合分析的详细信息和示例,请参见以下章节:
曲线拟合工具箱™软件为数据分析和建模提供了多种方法。
提示
快速组装MATLAB®曲线和曲面拟合和绘图的代码,使用曲线拟合应用程序,然后生成代码。您可以将对单个数据集的交互分析转换为可重用的函数,用于命令行分析或对多个数据集进行批处理。看到生成代码和导出适合工作区.
要使用曲线拟合函数进行程序拟合和分析,请遵循以下工作流:
导入您的数据到MATLAB工作空间使用负载
命令(如果您的数据以前已存储在MATLAB变量中)或任何MATLAB函数,用于从特定的文件类型读取数据。您可能需要重新调整数据:参见prepareCurveData
或prepareSurfaceData
.
(可选)如果您的数据是嘈杂的,您可能想要平滑它使用光滑的
函数。平滑被用来识别数据中的主要趋势,这可以帮助你选择一个合适的参数模型家族。如果参数模型不明显或不合适,平滑本身就是目的,提供数据的非参数拟合。
请注意
平滑估计每个预测器的响应分布的中心。它使数据中的误差是独立的假设无效,因此也使计算置信度和预测区间的方法无效。因此,一旦通过平滑辨识出参数模型,则原始应该将数据传递给适合
函数。
为数据指定参数模型——可以是曲线拟合工具箱库模型,也可以是您定义的自定义模型。的模型名或表达式来指定模型适合
函数或(可选)fittype
对象创建的fittype
函数。
要查看可用的库模型,请参见曲线和曲面拟合的库模型列表.
(可选)可以使用fitoptions
函数。Fit选项指定数据的权重、拟合方法和拟合算法的低级选项。
(可选)可以使用excludedata
函数。排除规则指示哪些数据值将被视为异常值并从拟合中排除。
指定x和y(和z,如果表面拟合)数据,模型(名称,表达式或fittype
对象),以及(可选地)fit选项结构和排除规则,使用适合
功能执行合适。
的适合
函数返回一个cfit
(曲线)sfit
(对于表面)对象,该对象封装了计算系数和拟合统计数据。如果你想了解更多关于fit对象的信息,请看曲线和曲面拟合对象和方法.
属性返回的fit对象可以进行后处理适合
函数,通过将它们传递给各种函数,例如函数宏指令
,区分
,集成
,情节
,coeffvalues
,probvalues
,confint
,predint
.
使用以下函数来处理曲线和曲面拟合。
曲线或曲面拟合方法 | 描述 |
---|---|
获取输入参数名称 |
|
得到合适的类别 |
|
得到的系数的名字 |
|
得到的系数值 |
|
得到拟合系数的置信区间 |
|
获取因变量名 |
|
区分健康 |
|
excludedata |
从拟合中排除数据 |
评估模型在指定的预测 |
|
构造 |
|
得到公式 |
|
获取独立变量名 |
|
结合曲线拟合 |
|
确定模型是否是线性的 |
|
获取输入参数的个数 |
|
得到系数数 |
|
情节适合 |
|
得到的预测区间 |
|
获取与问题相关的参数名称 |
|
获取与问题相关的参数值 |
|
数值积分曲面拟合( |
|
设置模型拟合选项 |
|
获取模型名称 |
适合
|fittype
|fitoptions
|excludedata
|prepareCurveData
|prepareSurfaceData