主要内容

区分

区分cfit或sfit对象

折叠所有页面

语法

fx =微分(FO, X)
[fx, fxx] =区分(FO, X)
[fx, fy] =微分(FO, X, Y)
[fx, fy] =微分(FO， [X, Y])
[fx, fy, fxx, fxy, fyy] = differentiate(FO，…)

描述

请注意

使用这些语法cfit对象。

外汇=区分(佛，X）区别的cfit对象佛在向量指定的点上X并返回结果外汇．

例子

［外汇，fxx) =区分(佛，X）区别的cfit对象佛在向量指定的点上X并返回结果外汇二阶导数fxx．

请注意

使用这些语法sfit对象。

［外汇，财政年度) =区分(佛，X，Y）不同的表面佛在指定的点X和Y并返回结果外汇和财政年度．

佛是表面配合(sfit对象生成的适合函数。

X和Y必须是双精度数组，大小和形状必须相同。

所有返回参数的大小和形状都相同X和Y．

如果佛代表了表面 z ＝ f （ x ， y ） ,然后外汇包含对的导数x,也就是说, d f d x ,财政年度包含对的导数y,也就是说, d f d y ．

［外汇，财政年度) =区分(佛, (X，Y]）,在那里X和Y是列向量，允许您将计算点指定为单个参数。

［外汇，财政年度，fxx，fxy，fyy) =区分(佛,……)计算曲面拟合对象的一阶导数和二阶导数佛．

fxx包含关于的二阶导数x,也就是说, ∂ 2 f ∂ x 2 ．

fxy包含混合二阶导数，也就是， ∂ 2 f ∂ x ∂ y ．

fyy包含关于的二阶导数y,也就是说, ∂ 2 f ∂ y 2 ．

例子

全部折叠

打开生活的脚本

创建一个基线正弦信号。

xdata =(0: .1:2 *π)';y0 =罪(xdata);

在信号中加入响应相关的高斯噪声。

噪音= 2 * y0。* randn(大小(y0));Ydata = y0 +噪声;

用自定义正弦模型拟合噪声数据。

f = fittype (“* sin (b * x)”）;fit1 =适合(xdata ydata f,曾经繁荣的[1]);

求出与预测因子相匹配的导数。

(d1, d2) =区分(fit1 xdata);

画出数据，拟合和导数。

次要情节(1,1)情节(fit1、xdata ydata)% cfit图法次要情节(3、1、2)情节(xdata d1,“米”）%双图法网格在传奇(的一阶导次要情节(3,1,3)情节(xdata, d2,“c”）%双图法网格在传奇(“二阶导数”）

图中包含3个轴。axis 1包含2个类型为line的对象。这些对象代表数据、拟合曲线。Axes 2包含一个类型为line的对象。这个对象表示一阶导数。Axes 3包含一个类型为line的对象。这个表示二阶导数。

你也可以直接用cfit情节方法,如下:

图绘制(fit1 xdata ydata, {“健康”，“deriv1”，“deriv2”}）

图中包含3个轴。axis 1包含2个类型为line的对象。这些对象代表数据、拟合曲线。Axes 2包含一个类型为line的对象。这个对象表示一阶导数。Axes 3包含一个类型为line的对象。这个对象表示二阶导数。

的情节方法不返回关于衍生品的数据，与区分方法。

打开生活的脚本

你可以使用区分方法计算拟合的梯度，然后使用箭袋函数将这些梯度绘制为箭头。本例在等高线图的上方绘制梯度。

创建派生点并匹配数据。

x = [0.64; 0.95; 0.21; 0.71; 0.24; 0.12; 0.61; 0.45; 0.46;．..0.66; 0.77; 0.35; 0.66);y = [0.42; 0.84; 0.83; 0.26; 0.61; 0.58; 0.54; 0.87; 0.26;．..0.32; 0.12; 0.94; 0.65);z = [0.49; 0.051; 0.27; 0.59; 0.35; 0.41; 0.3; 0.084; 0.6;．..0.58; 0.37; 0.19; 0.19);fo =适合(x, y, z,“poly32”，“正常化”，“上”）;[xx, yy] = meshgrid(0:0:1, 0:0:1);

方法计算拟合的梯度区分函数。

[fx, fy] =微分(fo, xx, yy);

使用箭袋函数来绘制梯度。

情节(fo,“风格”，“轮廓”）;持有在H =颤抖(xx, yy, fx, fy，“r”，“线宽”2);持有从colormap(铜)

图中包含一个坐标轴。轴线包含2个轮廓型、颤动型物体。

如果你想在优化中使用导数，你可以，例如，实现一个目标函数fmincon如下。

函数[z, g, H] = objecvewithhessian (xy)

输入xy表示一个计算点

Z = f(xy);

如果nargout > 1

[fx, fy, fxx, fxy, fyy] =微分(f, xy);

G = [fx, fy];

H = [fxx, fxy;fxy fyy);

结束

结束

输入参数

全部折叠

函数求导，指定为cfit对象的曲线或作为sfit对象的表面。

对函数求导的点，指定为向量。对于表面，这个参数必须具有相同的大小和形状Y．

对函数求导的点，指定为向量。对于表面，这个参数必须具有相同的大小和形状X．

输出参数

全部折叠

函数的一阶导数，返回为大小和形状相同的向量X和Y．

如果佛是一个表面, z ＝ f （ x ， y ） ,然后外汇包含对的导数x．

函数的二阶导数，返回为大小和形状相同的向量X和Y．

如果佛是一个表面, z ＝ f （ x ， y ） ,然后fxx包含关于的二阶导数x．

函数的一阶导数，返回为大小和形状相同的向量X和Y．

如果佛是一个表面, z ＝ f （ x ， y ） ,然后财政年度包含对的导数y．

函数的二阶导数，返回为大小和形状相同的向量X和Y．

如果佛是一个表面, z ＝ f （ x ， y ） ,然后fyy包含关于的二阶导数y．

函数的混合二阶导数，返回为大小和形状相同的向量X和Y．

提示

对于封闭形式的库模型，工具箱以解析的方式计算导数。对于所有其他模型，工具箱使用中心差分商来计算一阶导数

d f d x ＝ f （ x + Δ x ） − f （ x − Δ x ） 2 Δ x

在哪里x是工具箱计算导数的值， Δ x 是一个小的数(在立方根的数量级上每股收益)， f （ x + Δ x ） 是有趣的评估在 x + Δ x , f （ x − x Δ ） 是有趣的评估在 x − Δ x ．

工具箱使用表达式计算二阶导数

d 2 f d x 2 ＝ f （ x + Δ x ） + f （ x − Δ x ） − 2 f （ x ） （ Δ x ） 2

工具箱使用表达式计算曲面的混合导数

∂ 2 f ∂ x ∂ y （ x ， y ） ＝ f （ x + Δ x ， y + Δ y ） − f （ x − Δ x ， y + Δ y ） − f （ x + Δ x ， y − Δ y ） + f （ x − Δ x ， y − Δ y ） 4 Δ x Δ y

另请参阅

||

主题

之前介绍过的R2006a

曲线拟合工具箱文档

金宝app

机器学习的挑战:选择最佳分类模型和避免过拟合

机器学习的挑战:选择最佳分类模型和避免过拟合

下载白皮书