洛斯平滑
关于洛斯平滑
使用低成本模型，以适应光滑的表面到您的数据。“lowess”和“黄土”这两个名字来源于“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。除回归权重函数外强大的选项是一个权重函数，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。
交互式选择合适的匹配
在曲线拟合app中，选择LOWESS从模型类型列表。
你可以使用LOWESS模型类型，以使平滑的表面适合您的数据洛斯要么黄土方法。的LOWESSfits使用局部加权线性回归来平滑数据。
您可以指定以下选项:
选择
线性要么二次从列表中指定的类型多项式用于回归的模型。在曲线拟合工具箱™中，洛斯拟合使用一个线性多项式，而黄土拟合使用二次多项式。使用跨度以数据集中数据点总数的百分比指定跨度。工具箱使用定义在跨度内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。缩小跨度，使表面更紧密地跟随数据。
的强大的你想使用的线性最小二乘拟合方法(
从,守护神,或Bisquare)。局部回归使用强大的选择。使用强大的权重函数可以使过程抵抗异常值。有关详细信息,请参见强大的在fitoptions参考页。
提示
如果你的输入变量有非常不同的尺度，转动中心和规模选择打开和关闭，看看表面的不同适合。对输入进行归一化会强烈影响低拟合的结果。
有关使用Lowess的交互式示例，请参见表面拟合法兰数据。
适合低成本模型使用适合函数
此示例演示如何使用适合函数的作用是:使低成本模型适合于数据。
通过指定加载一些数据并适合Lowess模型“洛斯”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) = low - ess(线性)平滑回归计算p系数:p =系数结构
情节(f (x, y) z)
有关使用Lowess的命令行示例，请参见适合光滑的表面来研究燃料效率。
