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。
当您移动鼠标光标的情节,会变成一个十字,以显示你是离群选择模式。
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Y-Z视图。
要在合适的替换单个排除百分点,再次单击排除的点排除离群值模式。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,点击排除离群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。
曲线拟合应用阴影显示在图表上的粉红色区域显示排除范围。排除点变为红色。
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
对于一个简单的例子,负载数据和拟合高斯,用表达不包括一些数据,然后绘制配合,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
它可以是有用的通过距离从模型到排除离群值,使用标准偏差。下面的示例示出了如何使用距离大于从模型1.5个标准差识别离群值,并用一个健壮配合赋予较低的权重对异常值进行比较。
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:
%响应依赖性高斯噪声gnoise = Y0 * randn(大小(0))。%椒盐噪声spnoise =零(大小(0));P = randperm(长度(0));sppoints = P(1:圆形(长度(P)/ 5));spnoise(sppoints)= 5 *符号(Y0(sppoints));YDATA = Y0 + gnoise + spnoise;
配合基准正弦模型的噪声数据:
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,“指数”,一世);FIT2 =拟合(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-',外部数据,YDATA,数 'k'。,离群,'M *')保持上图(FIT2,'C - ')图(FIT3,'B:')XLIM([0 2 *π)