多项式模型
关于多项式模型
曲线的多项式模型由
在哪里n+ 1是订单对于多项式,n是学位多项式,且1≤n≤9。顺序给出了拟合系数的数量,度给出了预测变量的最高幂。
在本指南中,多项式是根据它们的阶来描述的。例如,一个三次(三次)多项式由
当需要一个简单的经验模型时,经常使用多项式。可以使用多项式模型进行插值或外推,或使用全局拟合来描述数据。例如,温度到电压的转换为J型热电偶在0到760o温度范围用七次多项式描述。
请注意
如果你不需要全局参数拟合,并希望最大限度地提高拟合的灵活性,分段多项式可能提供了最好的方法。指非参数拟合获取更多信息。
多项式拟合的主要优点包括对不太复杂的数据具有合理的灵活性,而且它们是线性的,这意味着拟合过程简单。主要缺点是高度拟合会变得不稳定。此外,任何程度的多项式都可以在数据范围内提供良好的拟合,但在该范围外可能会出现严重的发散。因此,在用多项式进行外推时要谨慎。
当您拟合高阶多项式时,拟合过程使用预测器值作为具有非常大值的矩阵的基础,这可能会导致缩放问题。为了解决这个问题,你应该将数据归一化,方法是将数据居中为零均值,并将其缩放为单位标准差。控件对数据进行规范化中心与规模复选框中的曲线拟合器应用程序。
交互拟合多项式模型
通过输入打开曲线拟合器应用程序
curveFitter
在MATLAB中®命令行。或者,在应用程序选项卡,在数学,统计和优化组中,单击曲线更健康.在曲线拟合器应用程序中,选择曲线或曲面数据。在曲线更健康选项卡,在数据部分中,点击选择数据.在对话框中选择数据变量。
如果选择曲线数据(X数据而且Y数据,或只是Y数据),曲线Fitter应用程序创建默认的曲线拟合,这是一个多项式健康。
如果您选择地表数据(X数据,Y数据,Z数据),曲线拟合应用程序创建默认的表面拟合,这是一个Interpolant健康。中的箭头适合类型部分打开图库,并单击多项式在回归模型组。
对于曲线数据,应用程序创建一个多项式适合X。
对于地表数据,应用程序会创建一个多项式适合X和Y。
控件中指定以下选项合适的选项面板:
X和Y变量的度数:
对于曲线数据,X的阶可达
9
.对于地表数据,X和Y的度可达
5
.的程度多项式fit是X和Y度的最大值。有关更多信息,请参见定义多项式曲面拟合的多项式项.
稳健线性最小二乘拟合方法使用(
从
,守护神
,或Bisquare
).详细信息请参见健壮的
的名称-值参数fitoptions
函数。设置界限或排除条款。可以通过将任何项的边界设置为0来排除它。看一下结果窗格中查看模型项、系数值和拟合优度统计信息。
提示
如果数据变量的比例非常不同,请选择并清除中心与规模复选框查看适合度的差异。应用程序在结果窗格时缩放数据可以提高拟合性。
有关比较各种多项式拟合的示例,请参见比较适合在曲线拟合应用程序.
利用拟合函数拟合多项式
方法的使用适合
函数拟合多项式到数据。这些步骤拟合并绘制多项式曲线和曲面,指定拟合选项,返回拟合优度统计值,计算预测,并显示置信区间。
多项式库模型是fit和fittype函数的输入参数。指定模型类型聚
其次是x的次(最多9),或x和y的次(最多5)。例如,您指定的二次曲线为“poly2”
,或一个立方表面与“poly33”
.
创建并绘制二次多项式曲线
加载一些数据,拟合一个二次多项式。用字符串指定一个二次多项式或二次多项式“poly2”
.
负载人口普查;fitpoly2 =适合(cdate、流行、“poly2”)使用Plot方法绘制拟合。情节(fitpoly2 cdate流行)将图例移动到左上角。传奇(“位置”,“西北”);
fitpoly2 =线性模型Poly2: fitpoly2(x) = p1*x^2 + p2*x + p3系数(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, 2.262 2e+04)
创建三次曲线
拟合三次多项式“poly3”
.
fitpoly3 =适合(cdate、流行、“poly3”)情节(fitpoly3 cdate流行)
警告:方程式条件不佳。删除重复的数据点或尝试居中和缩放。fitpoly3 =线性模型Poly3: fitpoly3(x) = p1*x^3 + p2*x^2 + p3*x + p4系数(95%置信限):p1 = 3.855e-06 (-4.078e-06, 1.179e-05) p2 = -0.01532 (-0.06031, 0.02967) p3 = 17.78 (-67.2, 102.8) p4 = -4852 (-5.834e+04, 4.863e+04)
指定适合选项
三次拟合警告方程条件不佳,因此您应该通过指定“正常化”
选择。拟合三次多项式与中心和尺度和鲁棒拟合选项。健壮的“上”
捷径等于什么“Bisquare”
,默认方法为鲁棒线性最小二乘拟合方法。
fit3 =适合(cdate、流行、“poly3”,“正常化”,“上”,“稳健”,“上”)情节(fit3 cdate流行)
fit3 =线性模型Poly3: fit3(x) = p1*x^3 + p2*x^2 + p3*x + p4其中x由平均值1890和std 62.05归一化系数(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)
找出可以为库模型设置哪些参数“poly3”
,使用fitoptions函数。
fitoptionspoly3
ans =归一化:'off'排除:[]权重:[]方法:'线性最小二乘'鲁棒性:'off'下:[1x0 double]上:[1x0 double]
获得拟合优度统计
指定“gof”
参数来获取三次多项式拟合的拟合优度统计信息。
[fit4, gof]=fit(cdate, pop,“poly3”,“正常化”,“上”);gof
Gof = struct with fields: sse: 149.7687 rsquare: 0.9988 dfe: 17 adjrsquare: 0.9986 rmse: 2.9682
绘制残差来评估拟合
要绘制残差,请指定“残差”
作为绘图方法中的绘图类型。
情节(fit4 cdate、流行、“残差”);
检查超出数据范围的拟合
默认情况下,拟合是在数据范围内绘制的。若要在不同范围内绘制拟合,请在绘制拟合之前设置轴的x限制。例如,要查看从拟合中推断出的值,请将x上限设置为2050。
Plot (cdate, pop,“o”);Xlim ([1900, 2050]);持有在Plot (fit4);持有从
剧情预测范围
要绘制预测边界,请使用“predobs”
或“predfun”
作为绘图类型。
情节(fit4 cdate、流行、“predobs”)
绘制到2050年的三次多项式的预测界限。
Plot (cdate, pop,“o”);Xlim([1900, 2050])持有在情节(fit4“predobs”);持有从
在新的查询点获得置信边界
评估一些新的查询点的适合度。
cdateFuture = (2000:10:2020).';popFuture = fit4(cdateFuture)
popFuture = 276.9632 305.4420 335.5066
使用预测方法计算未来总体预测的95%置信限。
ci = predint(fit4, cdateFuture, 0.95,“观察”)
Ci = 267.8589 286.0674 294.3070 316.5770 321.5924 349.4208
根据拟合和数据,用置信区间绘制预测的未来人口。
情节(cdate、流行,“o”);Xlim([1900, 2040])持有在plot(fit4) h = errorbar(cdateFuture,popFuture,popFuture-ci(:,1),ci(:,2)-popFuture,“。”);持有从传奇('cdate v pop',“poly3”,“预测”,“位置”,“西北”)
拟合并绘制多项式曲面
加载一些表面数据,在x和y上拟合一个四次多项式。
负载因特网;fitsurface =适合(x, y, z,“poly44”,“正常化”,“上”) plot(fitsurface, [x,y],z)
线性模型Poly44: fitsurface(x,y) = p00 + p10*x + p01*y + p20*x^2 + p11*x*y + p02*y^2 + p30*x^3 + p21*x^2*y + p40*x^4 + p31*x^3*y ^2 + p13*x*y^3 + p04*y^4其中x用平均值1982和std 868.6归一化,y用平均值0.4972和std 0.2897归一化系数(95%置信限):P00 = 0.3471 (0.3033, 0.3909) p10 = -0.1502 (-0.1935, -0.107) p01 = -0.4203 (-0.4637, -0.377) p20 = 0.2165 (- 0.1514, -0.377) p11 = 0.1717 (0.1175, 0.2259) p02 = 0.03189 (-0.03351, 0.09729) p30 = 0.02778 (- 0.00749, 0.04806) p21 = 0.01501 (- 0.001879) p40 = -0.03659 (-0.05439, -0.01879) p03 = 0.1184 (- 0.09912, -0.05338) p31 = -0.02487 (-0.04512, -0.004624) p22 = 0.0007464 (-0.04987, -0.009366) p04 = -0.02399 (-0.0474,-0.0005797)
多项式模型拟合选项
所有的拟合方法都有默认属性正常化
,排除
,权重
,方法
.有关示例,请参见在命令行中指定适合选项.
多项式模型具有方法
属性值LinearLeastSquares
,以及下一个表中所示的其他拟合选项属性。有关所有配合选项的详细信息,请参见fitoptions
参考页面。
财产 |
描述 |
---|---|
|
指定要使用的稳健线性最小二乘拟合方法。值是 |
|
要拟合的系数的下界向量。默认值为空向量,表示拟合不受下界约束。如果指定了边界,则向量长度必须等于系数的数量。单独的无约束下界可以由 |
|
要拟合的系数的上界向量。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量。单独的无约束上界可以由 |
定义多项式曲面拟合的多项式项
您可以通过指定x和y输入的度来控制多项式曲面模型中包含的项。如果我度是x和吗j这个多项式的总次是y的最大值吗我而且j.x在每一项中的次小于或等于我,每一项中y的次都小于或等于j.两者的最大值我而且j是5。
例如:
poly21 Z = p00 + p10*x + p01*y + p20*x^2 + p11*x*y
poly13 Z = p00 + p10*x + p01*y + p11*x*y + p02*y^2 + p12*x*y^2 + p03*y^3
poly55 Z = p00 + p10*x + p01*y +…+ p14*x*y^4 + p05*y^5
例如,如果你指定一个x度3.
y的度2
,型号名称为poly32
.模型术语遵循此表中的形式。
期限 | 0 | 1 | 2 |
---|---|---|---|
0 | 1 | y | y2 |
1 | x | xy | xy2 |
2 | x2 | x2y | N/A |
3. | x3. | N/A | N/A |
多项式的总次不能超过的最大值我而且j.在这个例子中,像x3.Y和x2y2被排除在外是因为他们的学位总和超过3.
.在这两种情况下,总度数为4
.