이페이지의최신내용은아직번역되지않았습니다。최신내용은영문으로볼수있습니다。

fitoptions

适合选择객체생성또는수정

설명

예제

fitOptions= fitoptions는디폴트合适的选择객체fitOptions를만듭니다。

예제

fitOptions= fitoptions(libraryModelName은라이브러리모델에대한디폴트合适的选择객체를만듭니다。

예제

fitOptions= fitoptions(libraryModelName名称,值는라이브러리모델에대한피팅옵션을하나이상의名称,值쌍의인수로지정된추가옵션을사용하여만듭니다。

예제

fitOptions= fitoptions(fitType은지정된fitType에대한合适的选择객체를가져옵니다。사용자지정모델의피팅옵션으로작업하려면이구문을사용하십시오。

예제

fitOptions= fitoptions(名称,值는하나이상의名称,值쌍의인수로지정된추가옵션을사용하여피팅옵션을만듭니다。

예제

newOptions= fitoptions(fitOptions名称,值는기존合适的选择객체fitOptions를수정하여하나이상의名称,值쌍의인수로지정된새로운옵션을적용하여업데이트된피팅옵션을newOptions에반환합니다。

예제

newOptions= fitoptions(选项1选项2는기존合适的选择객체选项1选项2newOptions로결합합니다。

  • 方法가동일한경우选项2의속성에비어있지않은값이있으면选项1의대응하는속성값이재정의되어newOptions로반환됩니다。

  • 方法가다른경우newOptions方法에대해서는选项1의값을,正常化排除权重에대해서는选项2의값을포함합니다。

예제

모두축소

디폴트合适的选择객체를만들고피팅전에데이터를정규화하도록옵션을설정합니다。

选项= fitoptions;options.Normal ='上'
'上' 排除::选择=正常化[1X0双]重量:[1X0双]方法: '无'
选项= fitoptions('gauss2'
选项=规格化: '断开' 排除:[]重量:[]方法: 'NonlinearLeastSquares' 鲁棒: '关' StartPoint可以:[1X0双]下限:[-Inf -Inf 0 -Inf -Inf 0]上:[1X0双]算法: '信赖域' DiffMinChange:1.0000e-08 DiffMaxChange:0.1000显示: '通知' MaxFunEvals:600 MAXITER:400 TolFun:1.0000e-06 TolX:1.0000e-06

3차다항식에대한피팅옵션을만들고정규화옵션과로버스트옵션을설정합니다。

选项= fitoptions('POLY3'“正常化”'上''强大的''Bisquare'
选项=规格化: '上' 排除:[]重量:[]方法: 'LinearLeastSquares' 鲁棒: 'Bisquare' 下限:[1X0双鞋面:[1X0双]
选项= fitoptions('方法''LinearLeastSquares'
选项=规格化: '断开' 排除:[]重量:[]方法: 'LinearLeastSquares' 鲁棒: '关' 下限:[1X0双鞋面:[1X0双]

正常化排除또는权重속성을설정한후다른피팅방법에서동일한옵션을사용하여데이터를피팅하려는경우디폴트合适的选择객체를수정하는것이유용합니다。예를들어,아래에서는동일한피팅옵션을사용하여여러라이브러리모델유형을피팅합니다。

加载人口调查选项= fitoptions;options.Normalize ='上';F1 =拟合(CDATE,流行,'POLY3',选项);F2 =拟合(CDATE,流行,'EXP1',选项);F3 =拟合(CDATE,流行,'cubicspline',选项)
F3 =三次插值样条:F3(x)=分段多项式计算从p其中x由平均1890归一化和std 62.05系数:P =系数结构

평활화파라미터를찾습니다。适合함수의세번째출력인수로데이터관련피팅옵션(예:光滑파라미터)이반환됩니다。

加载人口调查并[f,GOF,出] =拟合(CDATE,POP,'SmoothingSpline');smoothparam = out.p
smoothparam = 0.0089

새피팅을위해디폴트평활화파라미터를수정합니다。

选项= fitoptions('方法''SmoothingSpline'...'SmoothingParam',0.0098);并[f,GOF,出] =拟合(CDATE,POP,'SmoothingSpline',选项);

가우스피팅을만들고,신뢰구간을조사하고,알고리즘에도움이되도록하한피팅옵션을지정합니다。

하나는너비가작고다른하나는너비가큰두개의가우스피크를합하여잡음을만듭니다。

A1 = 1;B1 = -1;C1 = 0.05;A2 = 1;B2 = 1;C2 = 50;X =(-10:0.02:10)';GDATA = A1 * EXP( - ((X-B1)/ C1)^ 2)+...A2 * EXP( - ((X-B2)/ C2)^ 2)+...0.1 *(兰特(大小(X)) -  5);积(X,GDATA)

2항가우스라이브러리모델을사용하여데이터를피팅합니다。

gfit =拟合(X,GDATA,'gauss2'
gfit =通用模型Gauss2:gfit(X)= A1 * EXP( - ((X-B1)/ C1)^ 2)+ A2 * EXP( - ((X-B2)/ C2)^ 2)系数(用95%置信界限):A1 = -0.1451(-1.486,1.195)B1 = 9.725(-14.71,34.15)C1 = 7.117(-15.84,30.07)A2 = 14.08(-1.961e + 04,+ 1.964e 04)B2 =607.3(-3.197e + 05,+ 3.209E 05)C2 = 376(-9.744e + 04,+ 9.819e 04)
情节(gfit,X,GDATA)

여러계수의신뢰구간이넓어알고리즘이문제를겪고있습니다。

알고리즘에도움이되도록하려면음이아닌진폭A1a2와너비C1C2에대해하한을지정하십시오。

选项= fitoptions('gauss2''降低',[0 -Inf 0 0 -Inf 0]);

또는options.Property = NewPropertyValue형식을사용하여피팅옵션의속성을설정할수도있습니다。

选项= fitoptions('gauss2');options.Lower = [0 -Inf 0 0 -Inf 0];

계수에대한한계값제약조건을사용하여피팅을다시계산합니다。

gfit =拟合(X,GDATA,'gauss2',选项)
gfit =通用模型Gauss2:gfit(X)= A1 * EXP( - ((X-B1)/ C1)^ 2)+ A2 * EXP( - ((X-B2)/ C2)^ 2)系数(用95%置信界限):A1 = 1.005(0.966,1.044)B1 = -1(-1.002,-0.9988)C1 = 0.0491(0.0469,0.0513)A2 = 0.9985(0.9958,1.001)B2 = 0.8059(0.3879,1.224)C2 =50.6(46.68,54.52)
情节(gfit,X,GDATA)

피팅이훨씬더나아졌습니다。适合选择객체의다른속성에합리적인값을할당하여피팅을더개선할수있습니다。

피팅옵션을만들고하한을설정합니다。

选项= fitoptions('gauss2''降低',[0 -Inf 0 0 -Inf 0])
选项=规格化: '断开' 排除:[]重量:[]方法: 'NonlinearLeastSquares' 鲁棒: '关' StartPoint可以:[1X0双]下:[0 -Inf 0 0 -Inf 0]上:[1X0双]算法: '信赖域' DiffMinChange:1.0000e-08 DiffMaxChange:0.1000显示: '通知' MaxFunEvals:600 MAXITER:400 TolFun:1.0000e-06 TolX:1.0000e-06

피팅옵션의새복사본을만들고로버스트파라미터를수정합니다。

newoptions = fitoptions(选项,'强大的''Bisquare'
newoptions =规格化: '断开' 排除:[]重量:[]方法: 'NonlinearLeastSquares' 鲁棒: 'Bisquare' StartPoint可以:[1X0双]下:[0 -Inf 0 0 -Inf 0]上:[1X0双]算法: '信赖域' DiffMinChange:1.0000e-08 DiffMaxChange:0.1000显示: '通知' MaxFunEvals:600 MAXITER:400 TolFun:1.0000e-06 TolX:1.0000e-06

피팅옵션을결합합니다。

选项2 = fitoptions(选项,newoptions)
选项2 =规格化: '断开' 排除:[]重量:[]方法: 'NonlinearLeastSquares' 鲁棒: 'Bisquare' StartPoint可以:[1X0双]下:[0 -Inf 0 0 -Inf 0]上:[1X0双]算法: '信赖域' DiffMinChange:1.0000e-08 DiffMaxChange:0.1000显示: '通知' MaxFunEvals:600 MAXITER:400 TolFun:1.0000e-06 TolX:1.0000e-06

선형모델피팅유형을만듭니다。

LFT = fittype({'X''的sin(x)''1'})
LFT =线性模型:LFT(A,B,C,X)= A * X + B *的sin(x)+ C

피팅유형LFT에대한피팅옵션을가져옵니다。

FO = fitoptions(LFT)
FO =规格化: '断开' 排除:[]重量:[]方法: 'LinearLeastSquares' 鲁棒: '关' 下限:[1X0双鞋面:[1X0双]

정규화피팅옵션을설정합니다。

fo.Normalize ='上'
'上' 排除::[]重量:[]方法: 'LinearLeastSquares' 鲁棒: '关' 下限:FO =正常化[1X0双鞋面:[1X0双]

입력인수

모두축소

피팅할라이브러리모델로,문자형벡터로지정됩니다。다음표에는몇가지일반적인예가나와있습니다。

라이브러리모델이름

설명

'POLY1'

1차다항식곡선

'poly11'

1차다항식곡면

'POLY2'

2차다항식곡선

'linearinterp'

조각별선형보간

'cubicinterp'

조각별3차보간

'smoothingspline'

평활화스플라인(곡선)

'LOWESS'

국소선형회귀(곡면)

라이브러리모델이름목록은모델이름과방정식항목을참조하십시오。

예:'POLY2'

데이터형:烧焦

피팅할모델유형으로,fittype함수로생성된fittype으로지정됩니다。사용자지정모델의피팅옵션으로작업하려면이를사용하십시오。

알고리즘옵션으로,fitoptions함수를사용하여만든fitoptions객체로지정됩니다。

결합할알고리즘옵션으로,fitoptions함수를사용하여생성됩니다。

결합할알고리즘옵션으로,fitoptions함수를사용하여생성됩니다。

이름 - 값쌍의인수

선택적으로名称,值인수가쉼표로구분되어지정됩니다。여기서名称은인수이름이고는대응값입니다。名称은따옴표안에표시해야합니다。名1,值1,...,NameN,值N과같이여러개의이름 - 값쌍의인수를어떤순서로든지정할수있습니다。

예:'方法', 'NonlinearLeastSquares', '下',[0,0], '上',[Inf文件,MAX(X)], '起始点之',[1 1]은피팅방법,한계및시작점을지정합니다。

모든피팅방법의옵션

모두축소

데이터정규화옵션으로,“正常化”와함께'上'또는“关”가쉼표로구분되어지정됩니다。

데이터형:烧焦

피팅에서제외할점으로,'排除'와함께다음중하나가쉼표로구분되어지정됩니다。

  • 논리형벡터를설명하는표현식(예:X> 10)。

  • 제외하려는점을참조하는정수로구성된벡터(예:[1 10 25])。

  • 모든데이터점에대한논리형벡터。真正가이상값을나타내며excludedata를사용하여만듭니다。

예제는适合을참조하십시오。

피팅의가중치로,“权重”와함께크기가데이터점의개수와같은벡터가쉼표로구분되어지정됩니다。

데이터형:

피팅방법으로,'方法'와함께다음표에나와있는피팅방법중하나가쉼표로구분되어지정됩니다。

피팅방법

설명

'NearestInterpolant'

최근접이웃보간

'LinearInterpolant'

선형보간

'PchipInterpolant'

조각별3차에르미트보간(곡선만)

'CubicSplineInterpolant'

3차스플라인보간

'BiharmonicInterpolant'

쌍조화곡면보간

'SmoothingSpline'

평활화스플라인

'LowessFit'

LOWESS평활화(곡면만)

'LinearLeastSquares'

선형최소제곱

'NonlinearLeastSquares'

비선형최소제곱

데이터형:烧焦

평활화옵션

모두축소

평활화파라미터로,'SmoothingParam'과함께0과1사이의스칼라값이쉼표로구분되어지정됩니다。디폴트값은데이터세트에따라달라집니다。方法SmoothingSpline인경우에만사용할수있습니다。

데이터형:

국소회귀에서사용할데이터점의비율로,'跨度'과함께0과1사이의스칼라값이쉼표로구분되어지정됩니다。方法LowessFit인경우에만사용할수있습니다。

데이터형:

선형및비선형최소제곱옵션

모두축소

로버스트선형최소제곱피팅방법으로,'强大的'와함께다음값중하나가쉼표로구분되어지정됩니다。

  • 'LAR'은최소절대잔차법을지정합니다。

  • 'Bisquare'는겹제곱가중치방법을지정합니다。

方法LinearLeastSquares또는NonlinearLeastSquares인경우에사용할수있습니다。

데이터형:烧焦

피팅할계수의하한으로,'降低'와함께벡터가쉼표로구분되어지정됩니다。디폴트값은빈벡터로,이는피팅에하한이라는제약조건이적용되지않음을나타냅니다。한계가지정된경우벡터길이는계수의개수와같아야합니다。coeffnames함수를사용하여벡터값에서계수요소의순서를확인합니다。예제는适合을참조하십시오。제약조건이적용되지않은개별하한은-Inf로지정할수있습니다。

方法LinearLeastSquares또는NonlinearLeastSquares인경우에사용할수있습니다。

데이터형:

피팅할계수의상한으로,'上'와함께벡터가쉼표로구분되어지정됩니다。디폴트값은빈벡터로,이는피팅에상한이라는제약조건이적용되지않음을나타냅니다。한계가지정된경우벡터길이는계수의개수와같아야합니다。coeffnames함수를사용하여벡터값에서계수요소의순서를확인합니다。예제는适合을참조하십시오。제약조건이적용되지않은개별상한은+天道酬勤로지정할수있습니다。

方法LinearLeastSquares또는NonlinearLeastSquares인경우에사용할수있습니다。

데이터형:合乎逻辑

비선형최소제곱옵션

모두축소

계수의초기값으로,'起点'와함께벡터가쉼표로구분되어지정됩니다。coeffnames함수를사용하여벡터값에서계수요소의순서를확인합니다。예제는适合을참조하십시오。

适合함수로전달된시작점(빈벡터의디폴트값)이없는경우,일부라이브러리모델의시작점은발견적방식으로정해집니다。유리모델과베이불모델,그리고모든사용자지정비선형모델의경우,이툴박스는구간(0,1)에서계수에대한디폴트초기값을임의로균일하게선택합니다。따라서동일한데이터와모델을사용해서피팅을여러번수행하면피팅된계수가서로다를수있습니다。이를방지하려면起点속성에벡터값을사용하여계수에대한초기값을지정하십시오。

方法NonlinearLeastSquares인경우사용할수있습니다。

데이터형:

피팅절차에사용할알고리즘으로,'算法'과함께“文伯格 - 马夸特”또는“信任区”이쉼표로구분되어지정됩니다。

方法NonlinearLeastSquares인경우사용할수있습니다。

데이터형:烧焦

유한차분기울기에대한계수의최대변화량으로,'DiffMaxChange'와함께스칼라가쉼표로구분되어지정됩니다。

方法NonlinearLeastSquares인경우사용할수있습니다。

데이터형:

유한차분기울기에대한계수의최소변화량으로,'DiffMinChange'와함께스칼라가쉼표로구분되어지정됩니다。

方法NonlinearLeastSquares인경우사용할수있습니다。

데이터형:

명령창의표시옵션으로,'显示'와함께다음옵션중하나가쉼표로구분되어지정됩니다。

  • '通知'는피팅이수렴하지않는경우에만출력값을표시합니다。

  • '最后'은최종출력값만표시합니다。

  • 'ITER'은각반복마다출력값을표시합니다。

  • “关”는출력값을표시하지않습니다。

方法NonlinearLeastSquares인경우사용할수있습니다。

데이터형:烧焦

모델의허용되는최대실행횟수로,'MaxFunEvals'와함께스칼라가쉼표로구분되어지정됩니다。

方法NonlinearLeastSquares인경우사용할수있습니다。

데이터형:

피팅에대해허용되는최대반복횟수로,'MAXITER'과함께스칼라가쉼표로구분되어지정됩니다。

方法NonlinearLeastSquares인경우사용할수있습니다。

데이터형:

모델값에대한종료허용오차로,'TolFun'과함께스칼라가쉼표로구분되어지정됩니다。

方法NonlinearLeastSquares인경우사용할수있습니다。

데이터형:

계수값에대한종료허용오차로,'TolX'와함께스칼라가쉼표로구분되어지정됩니다。

方法NonlinearLeastSquares인경우사용할수있습니다。

데이터형:

출력인수

모두축소

알고리즘옵션으로,fitoptions객체로반환됩니다。

새알고리즘옵션으로,fitoptions객체로반환됩니다。

R2006a이전에개발됨