主要内容

excludedata

从拟合中排除数据

折叠所有页面

语法

tf = excludedata (x, y,盒子,盒)
tf = excludedata (x, y,‘域’,域)
tf = excludedata (x, y,范围,范围)
tf = excludedata (x, y,指数,指数)

描述

例子

特遣部队= excludedata (x，y“盒子”,盒子）返回一个逻辑数组，该数组指示哪些元素位于指定的xy平面的方框之外盒子．的元素特遣部队等于1表示框外数据点，0表示框内数据点。用。拟合曲线时排除数据适合,指定特遣部队随着“排除”价值。

例子

特遣部队= excludedata (x，y“域”,域）识别具有x- interval之外的值域．

例子

特遣部队= excludedata (x，y“范围”,范围）确定的数据点y- interval之外的值范围．

特遣部队= excludedata (x，y“指标”,指数）标识索引为的数据点指数．

例子

全部折叠

打开生活的脚本

使用随机数据可视化排除规则。

生成随机x和y数据。

Xdata = -3 + 6*rand(1,1e4);Ydata = -3 + 6*rand(1,1e4);

例如，排除框内的数据[-1 1 -1]或者在领域之外(2 - 2)．

outliers1 = ~ excludedata (xdata ydata,“盒子”，[-1 1 -1]);outliers2 = excludedata (xdata ydata,“域”(2 - 2));离群值= outliers1 | outliers2;

绘制未排除的数据。白色区域对应于被排除的区域。

情节(xdata异常值(~)、ydata(~离群值),“。”)轴([-3 3 -3])轴广场

图中包含一个轴对象。axis对象包含一个类型为line的对象。

打开生活的脚本

载入2000年美国总统选举时佛罗里达州的选票计数和县名。

负载flvote2k

使用两大政党候选人布什和戈尔的选票作为预测第三党候选人布坎南的选票的指标，并绘制分散的分布图。

情节(布什,布坎南,“rs”)举行在情节(戈尔,布坎南“波”)传说(“布什数据”，“戈尔数据”）

图中包含一个轴对象。轴对象包含两个类型为line的对象。这些对象代表了布什和戈尔的数据。

假设有一个模型，固定比例的布什或戈尔选民选择投票给布坎南。

f = fittype ({“x”}）
线性模型:f(a,x) = a*x

排除缺席选民的数据，他们没有使用有争议的“蝴蝶”选票。

nobutterfly = strcmp(县、“缺席选票”）;

对排除缺席选民的两个数据集进行模型的均方权重稳健拟合。

bushfit =适合(布什,布坎南,f,“排除”nobutterfly,“稳健”，“上”）;gorefit =适合(戈尔,布坎南,f,“排除”nobutterfly,“稳健”，“上”）;

稳健拟合给予异常值一个较低的权重，因此稳健拟合的大残差可以用来识别异常值。

图绘制(bushfit,布什,布坎南,“rs”，“残差”)举行在情节(gorefit戈尔,布坎南“波”，“残差”）

图中包含一个轴对象。轴对象包含4个类型为line的对象。这些对象表示数据，零线。

计算残差。

Bushres = buchanan - feval(bushfit,bush);戈尔雷斯=布坎南-费瓦尔(戈菲特，戈尔);

将较大的残差识别为范围[-500 -500]之外的残差。

bushoutliers = excludedata (bushres,布什“范围”500年[-500]);goreoutliers = excludedata(戈尔,格勒“范围”500年[-500]);

显示离群值对应的县。迈阿密-戴德县和布劳沃德县对应的预测值最大。棕榈滩县是全州唯一使用“蝴蝶”选票的县，对应的残馀值最大。

县(bushoutliers)
ans =2 x1细胞{“迈阿密戴德”}{棕榈滩的}
县(goreoutliers)
ans =3 x1细胞{'布劳沃德'}{'迈阿密-戴德'}{'棕榈滩'}

输入参数

全部折叠

数据值的数据站点，指定为数字向量。

数据值，指定为数字向量。

框查找外部的数据，指定为数字向量[xmin xmax ymin ymax]有四个元素。

例子:[-1 1 0 2]

域查找外部的数据，指定为数字向量[xmin xmax]有两个元素。

例子:[1]

查找外部数据的范围，指定为数字向量[ymin ymax]有两个元素。

例子:[3 - 4]

要查找的数据点的索引，指定为数字向量。

例子:(3 7 9)

另请参阅

|

之前介绍过的R2006a

曲线拟合工具箱文档

万博1manbetx

机器学习的挑战:选择最佳分类模型和避免过拟合

机器学习的挑战:选择最佳分类模型和避免过拟合

下载白皮书