为了去除异常值的曲线拟合的应用程序,请按照下列步骤操作:
选择工具>排除离群值或者单击工具栏按钮。
当您将鼠标光标移动到绘图区时,它将更改为十字线,以显示您处于离群点选择模式。
单击您要在主要情节或残差阴谋排除点。或者,单击并拖动以定义一个矩形,并删除所有封闭式点。
由于移除了一个情节点成为该地块一红叉。如果你有自动调整选择时,曲线拟合程序整修表面而不的点。否则,您可以点击适合改装。
重复要排除所有点。
当从表面配合离群值,它可以是有用的,以显示用于检查和去除异常值的2 d的残差曲线图。有了您的情节光标旋转模式,右键单击该地块选择X-Y,X-Z, 要么- z视图。
若要替换fit中的个别排除点,请在中再次单击一个排除点排除离群值模式。要更换适合所有排除的点,右击并选择清除所有排除。
在表面图,要返回到旋转模式,点击排除异常值工具栏按钮再次关闭离群选择模式。
由范围在曲线拟合程序排除数据的部分中,执行以下步骤:
选择工具>排除规则。
指定数据排除。在任何盒子输入数字来定义开始或结束的时间间隔在X,Y或Z的数据排除。
按输入应用排除规则。
曲线拟合应用程序在图上显示阴影粉色区域,以显示排除的范围。被排除的点变成红色。
此示例示出了如何删除异常值时曲线拟合程序,使用“排除”名称/值对与配合或fitoptions功能参数。您可以通过提供与绘图功能的排除或异常参数图排除了数据。
排除数据使用一个简单的规则
举一个简单的例子,加载数据并拟合高斯分布,用表达式排除一些数据,然后绘制拟合、数据和被排除的点。
[X,Y] =钛;F1 =拟合(X 'Y',“gauss2”,“排除”中,x <800);图(F1,X,Y,X <800)
从模型中排除通过数据距离
使用标准差通过与模型的距离来排除异常值是有用的。下面的例子展示了如何使用离模型大于1.5个标准差的距离来识别离群值,并与给予离群值较低权重的稳健拟合进行比较。
创建基准正弦信号:
XDATA =(0:0.1:2 * PI)';Y0 = SIN(XDATA);
噪声添加到具有非恒定方差的信号:
%响应相关的高斯噪声gnoise = Y0 * randn(大小(0))。%椒盐噪声spnoise = 0(大小(y0));p = randperm(长度(y0));sppoints = p(1:圆形(长度(p) / 5));spnoise (sppoints) = 5 *标志(y0 (sppoints));ydata = y0 + gnoise + spnoise;
用基线正弦模型拟合噪声数据:
F = fittype('A * SIN(B * X)');FIT1 =拟合(XDATA,YDATA,F,'起点',[1 1]);
识别“异常值”的点的距离大于从基准模型1.5个标准差,并重新安装与排除异常值的数据:
FDATA = feval(FIT1,XDATA);I = ABS(FDATA - YDATA)> 1.5 * STD(YDATA);离群值= excludedata(XDATA,YDATA,“指标”,我);fit2 =适合(xdata ydata f,'起点',[1 1],...“排除”,离群);
比较给他们的影响剔除异常值的影响在一个坚固的配合降低bisquare重量:
FIT3 =拟合(XDATA,YDATA,F,'起点',[1 1],'强大的','上');
图中的数据,异常值,以及拟合的结果:
图(FIT1,'R-'xdata ydata,数 'k'。,离群,'M *')保持在图(FIT2,'C - ')图(FIT3,'B:')XLIM([0 2 *π)