excludedata

排除来自拟合数据

折叠所有页面

句法

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'，索引）

描述

例

TF= excludedata（X，ÿ，'框'，框）返回一个逻辑阵列，其指示哪些元素是在外面所指定的xy平面上的框框。的元素TF为外箱，0为盒内的数据点的数据点等于1。要使用曲线拟合时排除数据适合，指定TF作为'排除'值。

例

TF= excludedata（X，ÿ，'域'，域）有标识的数据点X在区间外 - 值域。

例

TF= excludedata（X，ÿ，'范围'，范围）识别数据点与ÿ在区间外 - 值范围。

TF= excludedata（X，ÿ'指数'，指数）识别数据点具有索引等于指数。

例子

全部收缩

开立真实脚本

采用可视化的随机数据排除规则。

随机生成X和ÿ数据。

XDATA = -3 + 6 *兰特（1,1e4）;YDATA = -3 + 6 *兰特（1,1e4）;

作为一个例子，排除要么是箱内数据[-1 1 -1 1]或外域[-2 2]。

outliers1 =〜excludedata（XDATA，YDATA，'框'，[ -  1 1 -1 1]）;outliers2 = excludedata（XDATA，YDATA，'域'，[ -  2 2]）;离群值= outliers1 | outliers2;

剧情未排除的数据。白色区域对应于被排除的区域。

图（扩展数据（〜异常值），YDATA（〜异常值），''）轴（[ -  3 3 -3 3]）轴广场

开立真实脚本

加载投票计数，县名佛罗里达州从2000美国总统大选的状态。

加载flvote2k

使用的两个主要政党的候选人，布什和戈尔的选票数，作为预测的第三党候选人布坎南的投票数，并绘制散射：

图（灌木，布坎南，'RS'）保持上图（血腥，布坎南，“博”）图例（“布什数据”，“戈尔数据”）

假设一个模型，其中布什或戈尔的选民的固定比例选择投给布坎南。

F = fittype（{'X'}）
F =线性模型：F（A，X）= A * X

从缺席投票的选民，谁没有使用争议的“蝴蝶”的选票排除的数据。

nobutterfly =的strcmp（县，“缺席选票”）;

执行bisquare权稳健拟合模型的两个数据集，但不包括缺席投票的选民。

bushfit =拟合（衬套，布坎南，F，'排除'，nobutterfly，'强大的'，'上'）;gorefit =拟合（戈尔，布坎南，F，'排除'，nobutterfly，'强大的'，'上'）;

强大的拟合给离群低重量，因此从稳健的拟合残差大，可以用来识别异常值。

图图（bushfit，灌木，布坎南，'RS'，“残差”）保持上图（gorefit，血腥，布坎南，“博”，“残差”）

计算残差。

bushres =布坎南 -  feval（bushfit，衬套）;goreres =布坎南 -  feval（gorefit，戈尔）;

识别大残差那些范围[-500 500]外面。

bushoutliers = excludedata（衬套，bushres，'范围'，[ -  500 500]）;goreoutliers = excludedata（戈尔，goreres，'范围'，[ -  500 500]）;

显示对应于离群值的县。迈阿密 - 戴德和布劳沃德县对应最大预测值。棕榈滩县，在该州唯一的县使用“蝴蝶”的投票中，对应于最大的剩余价值。

各县（bushoutliers）
ANS =2×1单元{“迈阿密 - 戴德”} {“棕榈滩”}
各县（goreoutliers）
ANS =3X1细胞{“布劳沃德”} {“迈阿密 - 戴德”} {“棕榈滩”}

输入参数

全部收缩

数据值的数据点，指定为数值向量。

数据值，指定为数值向量。

框查找数据外，指定为数字矢量[XMIN XMAX YMIN YMAX]其中包含四个要素。

例：[-1 1 0 2]

域找到的数据外，指定为数值向量[XMIN XMAX]有两个元素。

例：[-1 1]

域找到的数据外，指定为数值向量[YMIN YMAX]有两个元素。

例：[3 4]

数据点的指数发现，指定为数字载体。

例：[3 7 9]

也可以看看

|

R2006a前推出

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，并避免过度拟合

机器学习的挑战：选择最佳分类模型，并避免过度拟合

下载白皮书