主要内容
差异化和整合适合
此示例显示如何在预测值值中找到适合的第一个和第二衍生物和拟合的积分。
创建基线正弦信号：
xdata =（0：.1：2 * pi）';y0 = sin（xdata）;
向信号添加噪声：
噪声= 2 * y0。* randn（尺寸（y0））;％响应依赖性噪声ydata = y0 +噪音;
使用自定义正弦型模型适合嘈杂的数据：
f = fittype（'a * sin（b * x）'）;fit1 = fit（xdata，ydata，f，'起点'，[1 1]）;
在预测器中找到合适的衍生品：
[D1，D2] =区分（Fit1，Xdata）;
绘制数据，合适和衍生物：
子图（3,1,1）绘图（fit1，xdata，ydata）％CFIT绘图方法子图（3,1,2）绘图（XDATA，D1，'M'）％双层方法格上传说（'第1衍生物'）子图（3,1,3）绘图（xdata，d2，'C'）％双层方法格上传说（'第二衍生物'）
注意，也可以使用CFIT绘图方法计算和绘制衍生物，如下所示。但是，绘图方法不会返回衍生物上的数据。
绘图（Fit1，xdata，ydata，{'适合'那'德国人'那'德国2'}）
找到预测器中适合的积分：
int =集成（fit1，xdata，0）;
绘制数据，拟合和积分：
子图（2,1,1）绘图（fit1，xdata，ydata）％CFIT绘图方法子图（2,1,2）绘图（xdata，int，'M'）％双层方法格上传说（'积分'）
注意，还可以使用CFIT绘图方法计算和绘制积分，如下所示。但是，绘图方法不会返回积分的数据。
绘图（Fit1，xdata，ydata，{'适合'那'积分'}）
您还可以从以下列表中选择一个网站：
