适合

适合数据曲线或曲面

所有的页面崩溃

语法

fitobject =适合(x, y, fitType)

fitobject =适合(x, y, z, fitType)

fitobject =适合(x, y, fitType fitOptions)

fitobject =适合(x, y, fitType、名称、值)

[fitobject, gof] =适合(x, y, fitType)

[gof fitobject,输出]=适合(x, y, fitType)

描述

例子

fitobject=健康(x,y,fitType)创建适合的数据x和y与指定的模式fitType。

例子

fitobject=适合([x,y),z,fitType)创建一个表面适合的数据向量x,y,z。

例子

fitobject=健康(x,y,fitType,fitOptions)创建一个使用该算法适合数据选项指定的fitOptions对象。

例子

fitobject=健康(x,y,fitType,名称,值)创建一个适合使用图书馆的数据模型fitType由一个或多个指定附加选项名称,值对参数。使用fitoptions显示可用的属性名和默认值为特定的库模型。

例子

(fitobject,gof)=健康(x,y,fitType)返回在结构拟合优度统计gof。

例子

(fitobject,gof,输出)=健康(x,y,fitType)返回匹配算法中的信息结构输出。

例子

全部折叠

符合二次曲线

打开生活的脚本

加载数据,适合变量的二次曲线cdate和流行,绘制和数据。

负载人口普查;f =适合(cdate、流行,“poly2”)

线性模型Poly2: f = f (x) = p1 * x ^ 2 + p2 * x + p3系数(95%置信界限):p1 = 0.006541 (0.006124, 0.006958) p2 = -23.51 (-25.09, -21.93) p3 = 2.113 e + 04 (1.964 e + 04, 2.262 e + 04)

情节(f cdate流行)

图包含一个坐标轴对象。坐标轴对象包含2线类型的对象。这些对象表示数据,拟合曲线。

库模型名称的列表,请参阅fitType。

适合一个多项式表面

打开生活的脚本

加载一些数据和适合二次曲面多项式x和学位3y。画出适合和数据。

负载因特网科幻小说=适合(x, y, z,“poly23”)

线性模型Poly23:科幻小说(x, y) = p00 + p10 * x + p01 * y + p20 * x ^ 2 +侯* * y + p02 * y ^ 2 + p21 * x ^ 2 * y + p12 * x * y ^ 2 + 3 * y ^ 3系数(95%置信界限):p00 = 1.118 (0.9149, 1.321) p10 = -0.0002941 (-0.000502, -8.623 e-05) p01 = 1.533 (0.7032, 2.364) p20 = -1.966 e-08 (-7.084 e-08, 3.152 e-08)侯= 0.0003427 (-0.0001009,0.0007863)p02 p21 = -6.951 (-8.421, -5.481) = 9.563 e-08 (6.276 e-09, 1.85 e-07 p12) = -0.0004401 (-0.0007082, -0.0001721) 3 = 4.999 (4.082, 5.917)

情节(科幻,x, y, z)

图包含一个坐标轴对象。坐标轴对象包含2表面类型的对象,线。

适合表面使用MATLAB表中的变量

打开生活的脚本

加载因特网数据,并将它转换成一个MATLAB®表。

负载因特网T =表(x, y, z);

表中指定的变量作为输入适合函数,和情节。

f = ((T。x, T。y),T.z,“linearinterp”);情节(f, [T。x, T。y),T.z )

图包含一个坐标轴对象。坐标轴对象包含2表面类型的对象,线。

拟合之前创建合适的选项和适合的类型

打开生活的脚本

加载和绘制数据,创建合适的选项和适合类型使用fittype和fitoptions函数,然后创建和绘制。

加载和绘制数据census.mat。

负载人口普查情节(cdate、流行,“o”)

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象。

创建一个适合选择对象和一个合适的类型的定制的非线性模型 $y = 一个 (x - - - - - - b)^{n}$ ,在那里一个和b系数和n是一个problem-dependent参数。

fo = fitoptions (“方法”,“NonlinearLeastSquares”,…“低”(0,0),…“上”(正无穷,max (cdate)),…曾经繁荣的[1]);英国《金融时报》= fittype (“*(取向)^ n”,“问题”,“n”,“选项”fo);

适合使用的数据符合选项和值n= 2。

[curve2, gof2] =适合(cdate、流行、英国《金融时报》,“问题”,2)

curve2 =一般模型:curve2 (x) = a *(取向)^ n系数(95%置信界限):a = 0.006092(0.005743, 0.006441) = 1789(1784、1793)问题参数:n = 2

gof2 =结构体字段:上交所:246.1543 rsquare: 0.9980教育部:19 adjrsquare: 0.9979 rmse: 3.5994

适合使用的数据符合选项和值n= 3。

[curve3, gof3] =适合(cdate、流行、英国《金融时报》,“问题”3)

curve3 =一般模型:curve3 (x) = a *(取向)^ n系数(95%置信界限):a = 1.359 e-05 (1.245 e-05, 1.474 e-05) b = 1725(1718、1731)问题参数:n = 3

gof3 =结构体字段:上交所:232.0058 rsquare: 0.9981教育部:19 adjrsquare: 0.9980 rmse: 3.4944

阴谋的结果数据。

持有在情节(curve2“米”)情节(curve3“c”)传说(“数据”,“n = 2”,“n = 3”)举行从

图包含一个坐标轴对象。坐标轴对象包含3线类型的对象。这些对象表示数据,n = 2, n = 3。

适合一个三次多项式指定规范化和健壮的选项

打开生活的脚本

加载一些数据和适合与中心画一个三次多项式和规模(正常化)和健壮的合适的选项。

负载人口普查;f =适合(cdate、流行,“poly3”,“正常化”,“上”,“稳健”,“Bisquare”)

线性模型Poly3: f = f (x) = p1 * x ^ 3 + p2 * x ^ 2 + p3 * x + p4 x是由平均1890和std 62.05归一化系数(95%置信界限):p1 = -0.4619 (-1.895, 0.9707) p2 = 25.01 (23.79, 26.22) p3 = 77.03 (74.37, 79.7) p4 = 62.81 (61.26, 64.37)

情节(f cdate流行)

图包含一个坐标轴对象。坐标轴对象包含2线类型的对象。这些对象表示数据,拟合曲线。

适合曲线定义为一个文件

定义一个函数在一个文件,并使用它来创建一个合适类型和曲线。

定义一个函数在一个MATLAB^®文件。

函数y = piecewiseLine (x, a, b, c, d, k)% PIECEWISELINE一条线由两部分%,不是连续的。y = 0(大小(x));%这个示例包括一个for循环和if语句%纯例如目的。为i = 1:长度(x)如果x(我)< k, y (i) = a + b。* *(我);其他的y (i) = c + d。* *(我);结束结束结束

保存文件。

定义一些数据,创建一个适合类型指定函数piecewiseLine,创建一个适合使用合适的类型英国《金融时报》,画出结果。

x = [0.81; 0.91; 0.13; 0.91; 0.63; 0.098; 0.28; 0.55;…0.96;0.96;0.16;0.97;0.96);y = [0.17; 0.12; 0.16; 0.0035; 0.37; 0.082; 0.34; 0.56;…0.15;-0.046;0.17;-0.091;-0.071);英国《金融时报》= fittype (“piecewiseLine (x, a, b, c, d, k)”)f =适合(x, y,英国《金融时报》,曾经繁荣的,(1,0,1,0,0.5])情节(f, x, y)

排除分合适

打开生活的脚本

负载一些数据和符合自定义方程指定点排除。策划的结果。

加载数据和定义一个自定义方程和一些开始点。

(x, y) =钛;gaussEqn =(a * exp() -(取向/ c) ^ 2) + d '

gaussEqn = ' * exp(((取向)/ c) ^ 2) + d '

曾经繁荣=(0.6 1.5 900年10)

曾经繁荣=1×41.5000 900.0000 10.0000 0.6000

创建两个适合使用自定义方程并开始点,并定义两组不同的排除点,使用索引向量和一个表达式。使用排除去除离群值从你的健康。

f1 =适合(x, y, gaussEqn,“开始”曾经繁荣,“排除”,10 25 [1])

f1 =一般模型:f1 (x) = a * exp(-((取向)/ c) ^ 2) + d系数(95%置信界限):a = 1.493 (1.432, 1.554) = 897.4 (896.5, 898.3) c = 27.9 (26.55, 29.25) d = 0.6519 (0.6367, 0.6672)

f2 =适合(x, y, gaussEqn,“开始”曾经繁荣,“排除”x < 800)

f2 =一般模型:f2 (x) = a * exp(-((取向)/ c) ^ 2) + d系数(95%置信界限):a = 1.494 (1.41, 1.578) = 897.4 (896.2, 898.7) c = 28.15 (26.22, 30.09) d = 0.6466 (0.6169, 0.6764)

情节都适合。

情节(f1, x, y)标题(“符合数据点1、10和25排除在外的)

图包含一个坐标轴对象。坐标轴对象与标题符合数据点1,10日和25排除包含2线类型的对象。这些对象表示数据,拟合曲线。

图绘制(f2, x, y)标题(“符合数据点排除这样x < 800 ')

图包含一个坐标轴对象。坐标轴对象与标题符合数据点排除这样x < 800包含2线类型的对象。这些对象表示数据,拟合曲线。

排除分和情节适合显示排除数据

打开生活的脚本

你之前可以排除点定义为变量提供合适的函数作为输入。以下步骤重新创建适合在前面的例子,让你的阴谋排除点以及数据和健康。

加载数据和定义一个自定义方程和一些开始点。

(x, y) =钛;gaussEqn =(a * exp() -(取向/ c) ^ 2) + d '

gaussEqn = ' * exp(((取向)/ c) ^ 2) + d '

曾经繁荣=(0.6 1.5 900年10)

曾经繁荣=1×41.5000 900.0000 10.0000 0.6000

定义两组点排除,使用索引向量和一个表达式。

exclude1 = 10 25 [1];exclude2 = x < 800;

创建两个适合使用自定义方程,曾经繁荣,和两个不同的排除点。

f1 =适合(x, y, gaussEqn,“开始”曾经繁荣,“排除”,exclude1);f2 =适合(x, y, gaussEqn,“开始”曾经繁荣,“排除”,exclude2);

情节符合和突出排除数据。

情节(f1, x, y, exclude1)标题(“符合数据点1、10和25排除在外的)

图包含一个坐标轴对象。坐标轴对象与标题符合数据点1,10日和25排除包含3线类型的对象。这些对象表示数据,排除数据,拟合曲线。

图;情节(f2, x, y, exclude2)标题(“符合数据点排除这样x < 800 ')

图包含一个坐标轴对象。坐标轴对象与标题符合数据点排除这样x < 800包含3线类型的对象。这些对象表示数据,排除数据,拟合曲线。

以排除分表面合适的例子,数据和创建和加载一些表面情节符合指定排除数据。

负载因特网f1 =适合(x, y, z,“poly23”,“排除”,10 25 [1]);f2 =适合(x, y, z,“poly23”,“排除”、z > 1);图绘制(f1, x y, z,“排除”,10 25 [1]);标题(“符合数据点1、10和25排除在外的)

图包含一个坐标轴对象。坐标轴对象与标题符合数据点1,10日和25排除包含3对象类型的表面,线。

图绘制(f2, x, y, z,“排除”、z > 1);标题(“符合数据点排除z > 1的)

图包含一个坐标轴对象。坐标轴对象与标题符合数据点排除在外,z > 1包含3类型的对象表面,线。

适合平滑样条曲线和回归拟合优度信息

打开生活的脚本

加载数据并通过变量符合平滑样条曲线月和压力和回归拟合优度信息和输出结构。画出适合和残差与数据。

负载enso;(曲线、善良、输出)=适合(月、压力、“smoothingspline”);情节(压力曲线、月);包含(“月”);ylabel (“压力”);

图包含一个坐标轴对象。坐标轴对象包含2线类型的对象。这些对象表示数据,拟合曲线。

情节对x数据的残差(月)。

情节(曲线、月、压力、“残差”)包含(“月”)ylabel (“残差”)

图包含一个坐标轴对象。坐标轴对象包含2线类型的对象。这些对象表示数据,零线。

使用中的数据输出结构对y数据画出残差(压力)。

情节(压力、output.residuals、“。”)包含(“压力”)ylabel (“残差”)

图包含一个坐标轴对象。坐标轴对象包含一个类型的对象。

适合一个学期指数

打开生活的脚本

生成数据和一个指数趋势,然后使用第一个方程适合数据的曲线拟合库指数模型(一个学期指数)。策划的结果。

x = (0:0.2:5)”;y = 2 * exp (-0.2 * x) + 0.5 * randn(大小(x));f =适合(x, y,“exp1”);情节(f, x, y)

图包含一个坐标轴对象。坐标轴对象包含2线类型的对象。这些对象表示数据,拟合曲线。

符合一个定制的模型使用一个匿名函数

您可以使用匿名函数,让它更容易通过其他数据适合函数。

加载数据和设置Emax来1在定义匿名函数:

数据= importdata (“OpioidHypnoticSynergy.txt”);异丙酚= data.data (: 1);Remifentanil = data.data (:, 2);痛觉计= data.data (: 3);Emax = 1;

模型方程定义为一个匿名函数:

效果= @ (IC50A IC50B,α,n, x, y)…Emax * (x / IC50A + y / IC50B +α* (x / IC50A)…* (y / IC50B))。^ n。/ ((x / IC50A + y / IC50B +…α* (x / IC50A) * (y / IC50B))。^ n + 1);

使用匿名函数效果作为输入适合功能,画出结果:

AlgometryEffect =适合([异丙酚,Remifentanil],痛觉计,效果,…曾经繁荣的,(2,10、1、0.8),…“低”(负负5负),…“稳健”,“守护神”)情节(AlgometryEffect[异丙酚,Remifentanil],痛觉计)

更多的例子使用匿名函数和其他自定义模型拟合看fittype函数。

找到系数为开始点和边界

打开生活的脚本

的属性上,较低的,曾经繁荣,你需要找到的条目的顺序系数。

创建一个合适的类型。

英国《金融时报》= fittype (" b * x ^ 2 + c * x +一个“);

得到的系数使用名称和顺序coeffnames函数。

coeffnames(英尺)

ans =3 x1细胞{a} {b} {' c '}

注意,这是不同的顺序系数表达式用于创建英国《金融时报》与fittype。

加载数据,创建一个适合和设置开始点。

负载ensofit(月,压力,英国《金融时报》,曾经繁荣的,1、3、5)

ans =一般模型:ans (x) = b * x ^ 2 + c * x +一个系数(95%置信界限):a = 10.94 (9.362, 12.52) = 0.0001677 (-7.985 e-05, 0.0004153) c = -0.0224 (-0.06559, 0.02079)

这个分配初始值系数如下:一个= 1,b = 3,c = 5。

或者,您可以得到合适的选项和设置开始点和下界,然后改装使用新的选项。

选择= fitoptions(英尺)

选项=正常化:‘离开’排除:[]权重:[]方法:‘NonlinearLeastSquares健壮:‘off’曾经繁荣:低[1 x0双]:[1 x0双]上:[1 x0双]算法:“信赖域”DiffMinChange: 1.0000 e-08 DiffMaxChange: 0.1000显示:“通知”MaxFunEvals: 600麦克斯特:400 TolFun: 1.0000 e-06 TolX: 1.0000 e-06

选项。曾经繁荣= (10 1 3);选项。较低的=(0 -Inf 0]; fit(month,pressure,ft,options)

ans =一般模型:ans (x) = b * x ^ 2 + c * x +一个系数(95%置信界限):a = 10.23 (9.448, 11.01) = 4.335 e-05 (-1.82 e-05, 0.0001049) c = 5.523 e-12绑定(固定)

输入参数

全部折叠

`x`- - - - - -数据以适应
矩阵

数据,指定为一个矩阵(曲线拟合)一个或两个(表面拟合)列。您可以指定变量在MATLAB表使用tablename.varname。不能包含正或南。只有真正的部分的复杂数据中使用。

例子:x

例子:(x, y)

数据类型:双

`y`- - - - - -数据以适应
向量

数据,指定为一个列向量具有相同的行数x。您可以指定一个变量在MATLAB表使用tablename.varname。不能包含正或南。只有真正的部分的复杂数据中使用。

使用prepareCurveData或prepareSurfaceData如果您的数据不在列向量形式。

数据类型:双

`z`- - - - - -数据以适应
向量

使用prepareSurfaceData如果您的数据不在列向量形式。例如,如果您有三个矩阵,或如果您的数据网格向量形式,长度(X) = n,长度(Y) = m和大小(Z) = (m, n)。

数据类型:双

`fitType`- - - - - -模型类型,以适应
特征向量|字符串标量|字符串数组|单元阵列的特征向量|匿名函数|`fittype`

模型类型,指定为一个特征向量或字符串标量表示库模型名称或MATLAB表达,细胞数组或字符串数组的线性模型的角度来看,一个匿名函数,或fittype构造与fittype函数。您可以使用任何有效的输入fittype作为一个输入适合。

库模型名称的列表,请参阅模型名称和方程。此表显示了一些常见的例子。

库模型名称	描述
`“poly1”`	线性多项式曲线
`“poly11”`	线性多项式表面
`“poly2”`	二次多项式曲线
`“linearinterp”`	分段线性插值
`“cubicinterp”`	分段立方插值
`“smoothingspline”`	平滑样条(曲线)
`“洛斯”`	局部线性回归(表面)

适合自定义模型,使用MATLAB表达式,单元阵列的线性模型,一个匿名函数,或者创建一个fittype与fittype和使用这个函数fitType论点。例如,看到的符合一个定制的模型使用一个匿名函数。线性模型计算的例子,请参阅fitType函数。

例子:“poly2”

`fitOptions`- - - - - -算法的选择
`fitoptions`

算法的选择使用fitoptions函数。这是一种为适应选项指定参数名称-值对。

名称-值参数

指定可选的逗号分隔条名称,值参数。的名字参数名称和吗价值相应的价值。的名字必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家。

例子:“低”,(0,0),“上层”,正无穷,max (x),“曾经繁荣”,[1]指定合适的方法,边界,并开始点。

选择所有合适的方法

全部折叠

`正常化`- - - - - -选择数据中心和规模
`“关闭”`(默认)|`“上”`

选择中心和规模数据,指定为逗号分隔组成的“正常化”和“上”或“关闭”。

数据类型:字符

`排除`- - - - - -从适合排除
表达式|索引向量|逻辑向量|空

点从健康,排除指定为逗号分隔组成的“排除”其中一个:

一个表达式描述逻辑向量,例如,x > 10。
一个整数向量索引点你想排除,例如,(1 10 25)。
所有数据点的逻辑向量真正的代表一个异类,创建的excludedata。

例如,看到的排除分合适。

数据类型:逻辑|双

`权重`- - - - - -权重为合适
[](默认)|向量

重量合适,指定为逗号分隔组成的“重量”和一个矢量大小一样的响应数据y(曲线)或z(表面)。

数据类型:双

`问题`- - - - - -值分配problem-dependent常数
单元阵列|双

problem-dependent常量值分配,指定为逗号分隔组成的“问题”与每一个元素和一个单元阵列问题相关的常数。有关详细信息,请参见fittype。

数据类型:细胞|双

平滑的选项

全部折叠

`SmoothingParam`- - - - - -平滑参数
标量值的范围(0,1)

平滑参数,指定为逗号分隔组成的“SmoothingParam”和一个标量值在0和1之间。默认值取决于数据集。只有如果合适的类型smoothingspline。

数据类型:双

`跨度`- - - - - -比例的数据点用在当地的回归
0.25(默认)|标量值的范围(0,1)

比例的数据点用在当地的回归,指定为逗号分隔组成的“跨越”和一个标量值在0和1之间。只有如果合适的类型洛斯或黄土。

数据类型:双

线性和非线性最小二乘的选择

全部折叠

`健壮的`- - - - - -鲁棒线性最小二乘拟合方法
`“关闭”`(默认)|`守护神`|`Bisquare`

鲁棒线性最小二乘拟合方法,指定为逗号分隔组成的“稳健”这些值之一:

“守护神”指定最小绝对剩余方法。
“Bisquare”指定bisquare权重方法。

当适合的类型方法是LinearLeastSquares或NonlinearLeastSquares。

数据类型:字符

`较低的`- - - - - -上下界系数拟合
[](默认)|向量

下界的拟合系数,指定为逗号分隔组成的“低”和一个向量。默认值是一个空向量,表明符合无约束的下界。如果指定范围,向量的长度必须相等数量的系数。找到的条目的顺序系数向量中值使用coeffnames函数。例如,看到的找到系数为开始点和边界。可以指定个人无约束下界负。

当可用方法是LinearLeastSquares或NonlinearLeastSquares。

数据类型:双

`上`- - - - - -上限系数拟合
[](默认)|向量

上界的拟合系数,指定为逗号分隔组成的“上”和一个向量。默认值是一个空向量,表明健康的无约束的上界。如果指定范围,向量的长度必须相等数量的系数。找到的条目的顺序系数向量中值使用coeffnames函数。例如,看到的找到系数为开始点和边界。可以指定个人不受约束的上界+正。

当可用方法是LinearLeastSquares或NonlinearLeastSquares。

数据类型:逻辑

非线性最小二乘方法

全部折叠

`曾经繁荣`- - - - - -初始值的系数
[](默认)|向量

初始值的系数,指定为逗号分隔组成的曾经繁荣的和一个向量。找到的条目的顺序系数向量中值使用coeffnames函数。例如,看到的找到系数为开始点和边界。

如果没有开始点(一个空向量的默认值)的传递适合一些图书馆模型函数,起点是启发式的决定。理性和威布尔模型,所有自定义非线性模型,工具箱中选择默认初始值系数随机均匀的间隔(0,1)。因此,多个适合使用相同的数据和模型可能会导致不同的拟合系数。为了避免这种情况,为系数与指定初始值fitoptions对象或一个向量的值曾经繁荣价值。