主要内容

曲线曲面拟合

拟合曲线

要以编程方式拟合曲线,请遵循这个简单示例中的步骤:

  1. 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

拟合曲面

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:

  1. 加载数据。

    负载因特网
  2. 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')
  3. 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

模型类型及拟合分析

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:

命令行拟合的工作流

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:

  1. 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prepareCurveDataprepareSurfaceData

  2. (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。

  3. 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

  4. (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。

  5. (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。

  6. 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。

    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

  7. 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

argnames

获取输入参数名

类别

得到合适的类别

coeffnames

得到的系数的名字

coeffvalues

得到的系数值

confint

得到拟合系数的置信区间

dependnames

获取因变量名

区分

区分健康

excludedata

排除fit数据

函数宏指令

在指定的预测器上评估模型

fittype

构造fittype对象

公式

得到公式字符串

indepnames

获取自变量名

集成

结合曲线拟合

islinear

确定模型是否是线性的

numargs

获取输入参数的数目

numcoeffs

得到系数的数目

情节

情节适合

predint

得到的预测区间

probnames

获取与问题相关的参数名

probvalues

获取与问题相关的参数值

quad2d

数值积分曲面拟合(sfit对象)

setoption

设置模型适合选项

类型

获取型号名称

另请参阅

|||||

相关的话题