fitoptions.

创建或修改拟合选项对象

页面上倒塌

句法

fitoptions = fitoptions.

fitoptions = fitoptions（libraryModelName）

fitoptions = fitoptions（librarymodelname，名称，值）

fitoptions = fitoptions（fittype）

fitoptions = fitoptions（名称，值）

newoptions = fitoptions（fitoptions，name，值）

newoptions = fitoptions（选项1，选项2）

描述

例子

fitoptions.= fitoptions创建默认拟合选项对象fitoptions.。

例子

fitoptions.= fitoptions（librarymodelname.）为库模型创建默认的拟合选项对象。

例子

fitoptions.= fitoptions（librarymodelname.那名称，价值）为指定的库模型创建适合选项，其中包含一个或多个指定的其他选项名称，价值对参数。

例子

fitoptions.= fitoptions（fitType）获取指定的拟合选项对象fitType。使用此语法使用自定义模型的拟合选项。

例子

fitoptions.= fitoptions（名称，价值）使用一个或多个指定的其他选项创建拟合选项名称，价值对参数。

例子

新选矿= fitoptions（fitoptions.那名称，价值）修改现有的拟合选项对象fitoptions.并返回更新的适合选项新选矿具有一个或多个指定的新选项名称，价值对参数。

例子

新选矿= fitoptions（选项1那选项2.）结合现有的拟合选项对象选项1和选项2.在新选矿。

如果方法同意，属性的非空价值选项2.覆盖相应的值选项1在新选矿。
如果方法不同，新选矿包含选项1值方法和价值来自选项2.为了正常化那排除，和重量。

例子

全部收缩

修改默认拟合选项以规范化数据

打开直播脚本

创建默认拟合选项对象，并将选项设置为中心并在拟合之前缩放数据。

选项= fitOptions;选项.Normal =.'在'

[1x0 double] value: [1x0 double] Method: 'None'

为高斯合适创建默认拟合选项

打开直播脚本

选项= fitoptions（“gauss2”）

选项=正常化：'关闭'排除：[]权重：[]方法：'非线性半角'鲁棒：'关闭'开始点：[1x0双]下部：[-inf -inf 0 -inf -inf 0]上部：[1x0 double]算法：'信任区域'差异：1.0000E-08 DiffMaxchange：0.1000显示：“通知”MaxFunevals：600 MAXITER：400 TOLFUN：1.0000E-06 TOLX：1.0000E-06

设置多项式拟合选项

打开直播脚本

为三次多项式创建合适的选项，并设置中心和规模和稳健的拟合选项。

选项= fitoptions（'poly3'那'正常化'那'在'那'强壮的'那'Bisquare'）

选项=正常化：'在'排除：[]重量：[]方法：'Linearlestquares'鲁棒：'Bisquare'下部：[1x0 Double] Upper：[1x0 Double]

为线性最小二乘创建合适的选项

打开直播脚本

选项= fitoptions（'方法'那'linearleastsquares'）

选项=正常化：'关闭'排除：[]权重：[]方法：'Linearlestquares'鲁棒：'关闭'下部：[1x0 double] upper：[1x0 double]

在多次适配中使用相同的适配选项

打开直播脚本

修改默认拟合选项对象当您想要设置时很有用正常化那排除，或者重量属性，然后使用具有不同拟合方法的相同选项拟合您的数据。例如，以下使用相同的拟合选项来适应不同的库模型类型。

加载普查选项= fitOptions;options.normalize =.'在';f1 = fit（Cdate，Pop，'poly3'，选项）;F2 =适合（Cdate，Pop，'exp1'，选项）;f3 = fit（Cdate，Pop，'cubicspline'，选项）

F3 =立方内插样条曲线：F3（x）=从P的P归一分1890和STD 62.05系数归一化的分段多项式：P =系数结构

查找并更改平滑拟合选项

打开直播脚本

找到平滑参数。数据相关的拟合选项，如光滑的参数在第三个输出参数中返回合身功能。

加载普查[F，GOF，OUT] =适合（CDate，POP，“SmoothingSpline”);SmozeParam = Out.p.p.

SmozeParam = 0.0089.

修改新拟合的默认平滑参数。

选项= fitoptions（'方法'那“SmoothingSpline”那......'smoothingparam'，0.0098）;[F，GOF，OUT] =适合（CDate，POP，“SmoothingSpline”，选项）;

应用系数界限以改善高斯合适

打开直播脚本

创建高斯拟合，检查置信区间，并指定下限拟合选项以帮助算法。

创建一个嘈杂的两个高斯峰，一个宽度小，宽度较大。

A1 = 1;b1 = -1;C1 = 0.05;A2 = 1;B2 = 1;C2 = 50;x =（-10：0.02：10）';gdata = a1 * exp（ - （（x-b1）/ c1）。^ 2）+......A2 * EXP（ - （（X-B2）/ C2）。^ 2）+......0.1 *(兰德(大小(x)));情节(x, gdata)

使用双术高斯图书馆模型适合数据。

gfit = fit（x，gdata，“gauss2”）

gfit =一般模型gauss2：gfit（x）= a1 * exp（ - （（x-b1）/ c1）^ 2）+ a2 * exp（ - （（x-b2）/ c2）^ 2）系数（带95％置信范围）：A1 = -0.145（-1.486,195）B1 = 9.725（-14.71,34.16）C1 = 7.117（-15.84,30.07）A2 = 14.06（-1.957e + 04,1.96E + 04）B2 =607（-3.193E + 05,3.205E + 05）C2 = 375.9（-9.737e + 04,9.812E + 04）

绘图（GFIT，X，GDATA）

该算法具有困难，如若干系数的宽度置信区间所示。

为了帮助算法，为非负幅度指定下限a1和a2和宽度C1.那C2.。

选项= fitoptions（“gauss2”那'降低'， [0 -Inf 0 0 -Inf 0]);

或者，您可以使用表单设置拟合选项的属性options.property = newpropertyvalue.。

选项= fitoptions（“gauss2”);选项。Lower = [0 -Inf 0 0 -Inf 0];

使用系数上的绑定约束重新计算拟合。

gfit = fit（x，gdata，“gauss2”，选项）

gfit =一般模型gauss2：gfit（x）= a1 * exp（ - （（x-b1）/ c1）^ 2）+ a2 * exp（ - （（x-b2）/ c2）^ 2）系数（带95％置信度）：A1 = 1.005（0.966,1.044）B1 = -1（-1.002，-0.9988）C1 = 0.0491（0.0469,0.0513）A2 = 0.9985（0.9958,1.001）B2 = 0.8059（0.3879,1.224）C2 =50.6（46.68,54.52）

绘图（GFIT，X，GDATA）

这是一个更好的合适。您可以通过将合理的值分配给Fit选项对象中的其他属性来进一步提高拟合。

复制并组合拟合选项

打开直播脚本

创建拟合选项并设置下限。

选项= fitoptions（“gauss2”那'降低'，[0 -inf 0 0 -inf 0]）

选项=标准化：'关'排除：[]权重：[]方法：'非线性半角'鲁棒：'关闭'开始点：[1x0 double]下部：[0 -inf 0 0 -Inf 0] upper：[1x0 double]算法：'信任区域'差异：1.0000E-08 DiffMaxchange：0.1000显示：“通知”MaxFunevals：600 MAXITER：400 TOLFUN：1.0000E-06 TOLX：1.0000E-06

创建一个新的匹配选项的副本，并修改鲁棒参数。

newoptions = fitoptions（选项，'强壮的'那'Bisquare'）

newOptions =正常化：'关'排除：[]权重：[]方法：'非线性半角'鲁棒：'Bisquare'开始点：[1x0 double]下部：[0 -inf 0 0 -Inf 0] upper：[1x0 double]算法：'信任区域'差异：1.0000E-08 DiffMaxchange：0.1000显示：“通知”MaxFunevals：600 MAXITER：400 TOLFUN：1.0000E-06 TOLX：1.0000E-06

结合拟合选项。

options2 = fitoptions（选项，newoptions）

options2 =标准化：'关'排除：[]权重：[]方法：'非线性地标准'鲁棒：'Bisquare'开始点：[1x0双]下部：[0- inf 0 0- inf 0] upper：[1x0 double]算法：'信任区域'差异：1.0000E-08 DiffMaxchange：0.1000显示：“通知”MaxFunevals：600 MAXITER：400 TOLFUN：1.0000E-06 TOLX：1.0000E-06

更改自定义模型适合选项

打开直播脚本

创建线性型号适合类型。

融通= fittype ({'X'那'sin（x）'那'1'}）

LFT =线性型号：LFT（A，B，C，X）= A * X + B * SIN（x）+ C.

获取适合类型的拟合选项l。

fo = fitoptions（lft）

fo =正常化：'关闭'排除：[]重量：[]方法：'linearlestquares'鲁棒：'关闭'下部：[1x0 double] upper：[1x0 double]

设置“标准化”拟合“选项。

fo.normalize =.'在'

fo =正常化：'在'排除：[]重量：[]方法：'lineareasquares'鲁棒：'关闭'下部：[1x0 double] upper：[1x0 double]

输入参数

全部收缩

`librarymodelname.`-图书馆模型适合
字符向量

库模型拟合，指定为字符向量。该表显示了一些常见的例子。

图书馆模型名称	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
`'平滑浮雕'`	平滑花键（曲线）
`'洛杉矶'`	局部线性回归（表面）

有关库模型名称的列表，请参阅模型名称和方程。

例子:'poly2'

数据类型：字符

`fitType`-适合的型号
`fittype.`

型号适合，指定为afittype.建于fittype.功能。使用此操作可以使用适合自定义模型的选项。

`fitoptions.`-算法选项
`fitoptions.`

算法选项，指定为afitoptions.使用的对象fitoptions.功能。

`选项1`-算法组合的选项
`fitoptions.`

算法选项组合，使用fitoptions.功能。

`选项2.`-算法组合的选项
`fitoptions.`

算法选项组合，使用fitoptions.功能。

名称值对参数

指定可选的逗号分离对名称，价值参数。姓名是参数名称和价值是相应的价值。姓名必须出现在引号内。您可以以任何顺序指定多个名称和值对参数Name1, Value1,…,的家。

例子:'方法'，'非线性半角'，'较低'，[0,0]，'上'，[Inf，Max（x）]，'startpoint'，[1 1]指定拟合方法、边界和起始点。

所有拟合方法的选项

全部收缩

`'正常化'`-选项为中心和规模数据
`“关闭”`（默认）|`'在'`

中心的选项和缩放数据，指定为逗号分隔的对'正常化'和'在'或者“关闭”。

数据类型：字符

`“排除”`-要点从契合排除
表达|索引向量|逻辑矢量|空的

要从契合中排除，指定为逗号分隔的配对“排除”之一：

描述逻辑向量的表达式，例如:x> 10。
索引要排除的点的整数矢量，例如，[1 10 25]。
所有数据点的逻辑向量真的表示异常值，由不包括。

对于例子，见合身。

`'重量'`-适合的重量
[]（默认）|向量

适合度的权重，指定为逗号分隔的对，由'重量'和矢量与数据点数相同的大小。

数据类型：双倍的

`'方法'`-拟合方法
`'没有'`（默认）|字符向量

拟合方法，指定为逗号分隔的配对'方法'以及该表中的一种拟合方法。

拟合方法	描述
`'最近的internallant'`	最近的邻插值
`'linearinterpolant'`	线性插值
`“PchipInterpolant”`	分段立方Hermite插值（仅限曲线）
`'cubicsplineinterpolant'`	立方样条插值
`'Biharmonic Internalt'`	双调和表面插值
`“SmoothingSpline”`	平滑花键
`'leowesfit'`	Lowess平滑（仅限曲面）
`'linearleastsquares'`	线性最小二乘法
`'非线性半角'`	非线性最小二乘

数据类型：字符

平滑选项

全部收缩

`'smoothingparam'`-平滑参数
标量值范围（0,1）

平滑参数，指定为逗号分隔的对，由'smoothingparam'和0到1之间的标量值默认值取决于数据集。仅可用方法是柔滑浮雕。

数据类型：双倍的

`'跨度'`-在本地回归中使用的数据点比例
0.25（默认）|标量值范围（0,1）

在本地回归中使用的数据点比例指定为逗号分隔对组成'跨度'和0到1之间的标量值仅可用方法是洛斯富特。

数据类型：双倍的

线性和非线性最小二乘选项

全部收缩

`'强壮的'`-鲁棒线性最小二乘拟合方法
`“关闭”`（默认）|`'lar'`|`'Bisquare'`

坚固的线性最小二乘拟合方法，指定为逗号分隔对组成'强壮的'和其中一个值：

'lar'指定绝对残余方法最小。
'Bisquare'指定Bisquare权重方法。

当可用方法是linearlestquares.或者非线性半角。

数据类型：字符

`'降低'`-待安装系数的下限
[]（默认）|向量

待安装系数的下限，指定为逗号分隔的配对'降低'和矢量。默认值为一个空向量，表示拟合是由下限无关的。如果指定了界限，则向量长度必须等于系数的数量。使用使用的系数在矢量值中找到条目的顺序Coeffnames.功能。例如，看到合身。可以指定个人无约束的下限-inf.。

当可用方法是linearlestquares.或者非线性半角。

数据类型：双倍的

`'上'`-装配系数上的上限
[]（默认）|向量

拟合系数的上界，指定为由逗号分隔的一对'上'和矢量。默认值是一个空向量，表示拟合是由上限无关的。如果指定了界限，则向量长度必须等于系数的数量。使用使用的系数在矢量值中找到条目的顺序Coeffnames.功能。例如，看到合身。个人无约束的上限可以指定+正。

当可用方法是linearlestquares.或者非线性半角。

数据类型：逻辑

非线性最小二乘选项

全部收缩

`'起点'`-系数的初始值
[]（默认）|向量

系数的初始值，指定为逗号分隔的对组成'起点'和矢量。使用使用的系数在矢量值中找到条目的顺序Coeffnames.功能。例如，看到合身。

如果没有开始点（空向量的默认值）传递给合身功能，一些图书馆模型的起点是立即确定的。对于Rational和Weibull模型以及所有自定义非线性模型，工具箱从间隔（0,1）随机地选择均匀的系数的默认初始值。结果，使用相同数据和模型的多个配合可能导致不同的拟合系数。要避免此操作，请为带矢量值指定系数的初始值起点财产。

当可用方法是非线性半角。

数据类型：双倍的

`'算法'`-用于拟合程序的算法
“Levenberg-Marquardt”（默认）|“信赖域”

用于拟合程序的算法，指定为逗号分隔的对组成'算法'和任何一种“Levenberg-Marquardt”或者“信赖域”。

当可用方法是非线性半角。

数据类型：字符

`'diffmaxchange'`-有限差分梯度系数的最大变化
`0.1`（默认）

有限差分梯度系数的最大变化，指定为逗号分隔的对'diffmaxchange'和一个标量。

当可用方法是非线性半角。

数据类型：双倍的

`'diffminchange'`-有限差分梯度系数的最小变化
`10.^-8`（默认）

有限差分梯度系数的最小变化，指定为逗号分隔对组成'diffminchange'和一个标量。

当可用方法是非线性半角。

数据类型：双倍的

`“显示”`-命令窗口中的显示选项
`'通知'`（默认）|`'最终的'`|`'iter'`|`“关闭”`

在命令窗口中显示选项，指定为包含的逗号分隔对“显示”和其中一个选择：

'通知'仅当拟合不收敛时显示输出。
'最终的'仅显示最终输出。
'iter'在每次迭代时显示输出。
“关闭”显示没有输出。

当可用方法是非线性半角。

数据类型：字符

`'maxfunevals'`-允许的模型的最大评估数
`600`（默认）

允许的模型的最大评估数指定为包括的逗号分隔对'maxfunevals'和一个标量。

当可用方法是非线性半角。

数据类型：双倍的

`'maxiter'`-适合的最大迭代次数
`400`（默认）

拟合允许的最大迭代次数，指定为逗号分隔对组成'maxiter'和一个标量。

当可用方法是非线性半角。

数据类型：双倍的

`'tolfun'`-模型值的终止耐受性
`10.^-6`（默认）

在模型值上终止公差，指定为逗号分隔对组成'tolfun'和一个标量。

当可用方法是非线性半角。

数据类型：双倍的

`'tolx'`-系数值上的终止公差
10.^-6。（默认）

终止耐受系数值，指定为逗号分隔对组成的'tolx'和一个标量。

当可用方法是非线性半角。

数据类型：双倍的

输出参数

全部收缩

`fitoptions.`——算法选择
`fitoptions.`

算法选项，返回为afitoptions.目的。

`新选矿`- 新的算法选项
`fitoptions.`

新的算法选项，返回为fitoptions.目的。

也可以看看

应用

曲线拟合

功能

合身|fittype.|得到|放|setOptions.

主题

在R2006A之前介绍

fitoptions.

句法

描述

例子

修改默认拟合选项以规范化数据

为高斯合适创建默认拟合选项

设置多项式拟合选项

为线性最小二乘创建合适的选项

在多次适配中使用相同的适配选项

查找并更改平滑拟合选项

应用系数界限以改善高斯合适

复制并组合拟合选项

更改自定义模型适合选项

输入参数

librarymodelname.-图书馆模型适合字符向量

fitType-适合的型号fittype.

fitoptions.-算法选项fitoptions.

选项1-算法组合的选项fitoptions.

选项2.-算法组合的选项fitoptions.

名称值对参数

'正常化'-选项为中心和规模数据“关闭”（默认）|'在'

“排除”-要点从契合排除表达|索引向量|逻辑矢量|空的

'重量'-适合的重量[]（默认）|向量

'方法'-拟合方法'没有'（默认）|字符向量

'smoothingparam'-平滑参数标量值范围（0,1）

'跨度'-在本地回归中使用的数据点比例0.25（默认）|标量值范围（0,1）

'强壮的'-鲁棒线性最小二乘拟合方法“关闭”（默认）|'lar'|'Bisquare'

'降低'-待安装系数的下限[]（默认）|向量

'上'-装配系数上的上限[]（默认）|向量

'起点'-系数的初始值[]（默认）|向量

'算法'-用于拟合程序的算法“Levenberg-Marquardt”（默认）|“信赖域”

'diffmaxchange'-有限差分梯度系数的最大变化0.1（默认）

'diffminchange'-有限差分梯度系数的最小变化10.-8（默认）

“显示”-命令窗口中的显示选项'通知'（默认）|'最终的'|'iter'|“关闭”

'maxfunevals'-允许的模型的最大评估数600（默认）

'maxiter'-适合的最大迭代次数400（默认）

'tolfun'-模型值的终止耐受性10.-6（默认）

'tolx'-系数值上的终止公差10.-6。（默认）

输出参数

fitoptions.——算法选择fitoptions.

新选矿- 新的算法选项fitoptions.

也可以看看

应用

功能

主题

曲线拟合工具箱文档

金宝app

机器学习挑战：选择最佳分类模型，避免过度装备

`librarymodelname.`-图书馆模型适合
字符向量

`fitType`-适合的型号
`fittype.`

`fitoptions.`-算法选项
`fitoptions.`

`选项1`-算法组合的选项
`fitoptions.`

`选项2.`-算法组合的选项
`fitoptions.`

`'正常化'`-选项为中心和规模数据
`“关闭”`（默认）|`'在'`

`“排除”`-要点从契合排除
表达|索引向量|逻辑矢量|空的

`'重量'`-适合的重量
[]（默认）|向量

`'方法'`-拟合方法
`'没有'`（默认）|字符向量

`'smoothingparam'`-平滑参数
标量值范围（0,1）

`'跨度'`-在本地回归中使用的数据点比例
0.25（默认）|标量值范围（0,1）

`'强壮的'`-鲁棒线性最小二乘拟合方法
`“关闭”`（默认）|`'lar'`|`'Bisquare'`

`'降低'`-待安装系数的下限
[]（默认）|向量

`'上'`-装配系数上的上限
[]（默认）|向量

`'起点'`-系数的初始值
[]（默认）|向量

`'算法'`-用于拟合程序的算法
“Levenberg-Marquardt”（默认）|“信赖域”

`'diffmaxchange'`-有限差分梯度系数的最大变化
`0.1`（默认）

`'diffminchange'`-有限差分梯度系数的最小变化
`10.^-8`（默认）

`“显示”`-命令窗口中的显示选项
`'通知'`（默认）|`'最终的'`|`'iter'`|`“关闭”`

`'maxfunevals'`-允许的模型的最大评估数
`600`（默认）

`'maxiter'`-适合的最大迭代次数
`400`（默认）

`'tolfun'`-模型值的终止耐受性
`10.^-6`（默认）

`'tolx'`-系数值上的终止公差
10.^-6。（默认）

`fitoptions.`——算法选择
`fitoptions.`

`新选矿`- 新的算法选项
`fitoptions.`