使用Lowess模型将光滑的表面适合您的数据。“lowess”和“黄土”的名称来源于“局部加权散点平滑”,因为这两种方法都使用局部加权线性回归来平滑数据。这个过程是加权因为工具箱为跨度内包含的数据点定义了回归权重函数。除回归权函数外,强壮的期权是一个权重函数,可以使过程抵抗异常值。
有关这两种平滑拟合的更多信息,请参见当地回归平滑.
在曲线拟合应用程序中,选择洛杉矶
从模型类型列表中。
你可以使用洛杉矶
模型类型,以适合光滑表面与您的数据洛斯
或者黄土
方法。的洛杉矶
拟合使用局部加权线性回归平滑数据。
您可以指定以下选项:
选择线性
或者二次
从列表中指定类型多项式用于回归的模型。在曲线拟合工具箱中,洛斯
拟合使用线性多项式,而黄土
拟合使用二次多项式。
使用跨度将跨度指定为数据集中数据点总数的百分比。工具箱使用范围内定义的相邻数据点来确定每个平滑值。邻近点的这种作用就是平滑过程被称为“局部”的原因。
提示
增加跨度,使表面更光滑。减小跨度,使表面更贴近数据。
的强壮的您想使用的线性最小二乘拟合方法(从
,守护神
,或Bisquare
).局部回归使用强壮的选择。使用强壮的权重函数可以使过程抵抗异常值。有关详细信息,请参见强壮的
在fitoptions
参考页面。
提示
如果输入变量具有较差的尺度,请转动中心和规模选择打开和关闭,以查看不同的表面适合。对输入进行归一化可以强烈地影响Lowess拟合的结果。
有关使用Lowess的交互式示例,请参见Franke数据的表面拟合.
适合
功能这个例子展示了如何使用适合
函数来拟合Lowess模型到数据。
通过指定加载一些数据并适合Lowess模型“洛斯”
在打电话时适合函数。
负载因特网f = fit([x y],z,“洛斯”)
局部加权平滑线性回归:f(x,y) = lowess(线性)平滑回归,由p计算系数:p =系数结构
情节(f (x, y) z)
有关使用Lowess的命令行示例,请参见安装光滑表面以研究燃料效率.