要以编程方式拟合曲线,请遵循这个简单示例中的步骤:
加载数据。
负载hahn1
创建一个合适的使用适合
函数,指定变量和模型类型(在本例中rat23
是模型类型)。
f = fit(temp, thermex, 'rat23')
绘制适合度和数据。
plot(f, temp, thermex) f(600)
有关比较各种多项式拟合的示例,请参见多项式曲线拟合。
要以编程方式适应一个曲面,请遵循这个简单示例中的步骤:
加载数据。
负载因特网
创建一个合适的使用适合
函数,指定变量和模型类型(在本例中poly23
是模型类型)。
f = fit([x, y], z, 'poly23')
绘制适合度和数据。
情节(f, x, y, z)
有关拟合自定义方程的示例,请参见表面拟合与自定义方程的生物制药数据。
具体模型类型和拟合分析的详细信息和示例,请参见以下章节:
曲线拟合工具箱™软件提供多种数据分析和建模方法。
提示
快速汇编MATLAB®用于曲线和曲面拟合和绘图的代码,使用曲线拟合app,然后生成代码。您可以将单个数据集的交互分析转换为可重用的函数,用于命令行分析或多个数据集的批处理。看到生成代码并导出适合工作空间。
要使用曲线拟合函数进行编程拟合和分析,请遵循以下工作流程:
控件将数据导入MATLAB工作空间负载
命令(如果您的数据以前存储在MATLAB变量中)或任何MATLAB函数,用于从特定文件类型读取数据。你可能需要调整你的数据:看prepareCurveData
或prepareSurfaceData
。
(可选)如果你的数据是有噪声的,你可能想要使用光滑的
函数。平滑用于识别数据中的主要趋势,可以帮助您选择适当的参数模型家族。如果参数模型不明显或不合适,平滑本身就是一个目的,提供数据的非参数拟合。
请注意
平滑估计每个预测器的响应分布的中心。它使数据中的错误是独立的假设无效,因此也使用于计算置信度和预测间隔的方法无效。因此,一旦通过平滑识别参数模型,原始数据应该传递到适合
函数。
为数据指定参数模型,可以是曲线拟合工具箱库模型,也可以是您定义的自定义模型。通过传递字符串或表达式来指定模型适合
函数或(可选)fittype
对象创建的fittype
函数。
要查看可用的库模型,请参见用于曲线和曲面拟合的库模型列表。
(可选)你可以为fit创建一个fit选项结构fitoptions
函数。Fit选项指定数据的权重、拟合方法和拟合算法的低级选项。
(可选)您可以使用excludedata
函数。排除规则指出哪些数据值将被视为异常值并排除在匹配之外。
指定x和y(和z,如果曲面拟合)数据,一个模型(字符串,表达式或fittype
对象),以及(可选的)fit options结构和一个排除规则适合
函数来执行匹配。
的适合
函数返回一个cfit
(曲线)sfit
(对于曲面)对象,它封装了计算的系数和拟合的统计信息。如果你想了解更多关于fit对象的信息,请参阅曲线曲面拟合对象和方法。
函数返回的fit对象可以后处理适合
函数,通过将它们传递给各种函数,例如函数宏指令
,区分
,集成
,情节
,coeffvalues
,probvalues
,confint
,predint
。
使用以下函数来处理曲线和曲面拟合。
曲线或曲面拟合法 | 描述 |
---|---|
获取输入参数名 |
|
得到合适的类别 |
|
得到的系数的名字 |
|
得到的系数值 |
|
得到拟合系数的置信区间 |
|
获取因变量名 |
|
区分健康 |
|
excludedata |
排除fit数据 |
在指定的预测器上评估模型 |
|
构造 |
|
得到公式字符串 |
|
获取自变量名 |
|
结合曲线拟合 |
|
确定模型是否是线性的 |
|
获取输入参数的数目 |
|
得到系数的数目 |
|
情节适合 |
|
得到的预测区间 |
|
获取与问题相关的参数名 |
|
获取与问题相关的参数值 |
|
数值积分曲面拟合( |
|
设置模型适合选项 |
|
获取型号名称 |
excludedata
|适合
|fitoptions
|fittype
|prepareCurveData
|prepareSurfaceData