给出了曲线的多项式模型
在哪里n+ 1是订单多项式的n是学位,且1≤n≤9。顺序给出了拟合系数的数目,度给出了预测变量的最高幂。
在本指南中,多项式是用它们的度来描述的。例如,三次(三次)多项式由
当需要一个简单的经验模型时,常常使用多项式。您可以使用多项式模型进行插值或外推,或使用全局拟合来表征数据。例如,J型热电偶在0到760的温度-电压转换o温度范围用七次多项式来描述。
请注意
如果您不需要全局参数拟合并希望最大限度地提高拟合的灵活性,分段多项式可能提供最佳方法。参考非参数拟合欲获得更多信息。
多项式配合的主要优点包括不太复杂的数据的合理灵活性,它们是线性的,这意味着装配过程很简单。主要缺点是高度适合可能变得不稳定。另外,任何程度的多项式可以在数据范围内提供良好的拟合,但可以在该范围之外繁忙地偏离。因此,用多项式推断时谨慎行事。
当你拟合高次多项式时,拟合过程使用预测值作为一个非常大的值的矩阵的基,这可能会导致尺度问题。要处理这个问题,您应该将数据标准化,将其置于零均值处,并将其缩放为单位标准偏差。属性标准化数据中心和规模复选框中的曲线拟合应用程序。
进入,打开曲线拟合appcftool
。或者,点击应用程序标签上的曲线拟合。
在曲线拟合应用程序中,选择曲线或曲面数据。
如果选择曲线数据(X数据和Y数据,或者只是Y数据曲线拟合应用程序创建默认曲线拟合,多项式
。
如果选择曲面数据(X数据,Y数据,Z数据),曲线拟合应用程序创建默认曲面拟合,interpolant.
。更改模型类型interpolant.
来多项式
。
为曲线,多项式
模型拟合多项式x。
为表面,多项式
模型拟合多项式x和y。
您可以指定以下选项:
的学位x和y输入:
对于曲线,度x可以达到9
。
对于表面,度x和y可以达到5
。
多项式的次数为的最大值x和y程度。看到为多项式曲面拟合定义多项式项。
稳健线性最小二乘拟合方法(从
,守护神
,或Bisquare
)。有关详细信息,请参阅健壮的
在fitoptions
参考页面。
通过单击设置界限或排除条款合适的选项。您可以通过将其边界设置为0来排除任何项。
看看结果窗格,以查看模型项、系数值和拟合优度统计信息。
提示
如果输入变量具有非常不同的尺度,请选择和清除中心和规模复选框以查看适合度的差异。消息的结果展示缩放可能会提高您的契合时提示您。
有关比较各种多项式拟合的示例,请参见比较拟合曲线应用程序。
此示例显示了如何使用适合
函数对数据拟合多项式。这些步骤拟合并绘制多项式曲线和曲面,指定拟合选项,返回拟合优度统计数据,计算预测,并显示置信区间。
多项式库模型是fit和fittype函数的输入参数。指定模型类型poly
然后是x的度数(最高9),或者x和y的度数(最高5)。例如,用“poly2”
的三次曲面'poly33'
。
创建和绘制二次多项式曲线
加载一些数据并拟合一个二次多项式。使用该字符串指定一个二次多项式或二次多项式“poly2”
。
负载人口普查;fitpoly2 =适合(cdate、流行、“poly2”)%用Plot方法绘制拟合。情节(fitpoly2 cdate流行)将图例移动到左上角。传说(“位置”,“西北”);
fitpoly2 =线性模型poly2:fitpoly2(x)= p1 * x ^ 2 + p2 * x + p3系数(具有95%的置信度):p1 = 0.006541(0.006124,0006958)p2 = -23.51(-25.09,-21.93)P3 = 2.113E + 04(1.964E + 04,2.262E + 04)
创建立方曲线
拟合三次多项式“poly3”
。
fitpoly3 =适合(cdate、流行、“poly3”)情节(fitpoly3 cdate流行)
警告:等式的条件很差。删除重复的数据点或尝试定心和缩放。系数(有95%置信界):p1 = 3.855e-06 (-4.078e-06, 1.179e-05) p2 = -0.01532 (-0.06031, 0.02967) p3 = 17.78 (-67.2, 102.8) p4 = -4852 (-5.834e+04, 4.863e+04)
指定合适的选项
立方拟合警告说,这个方程条件很差,所以您应该通过指定“正常化”
选择。拟合三次多项式的中心和规模和稳健的拟合选项。健壮的“上”
快捷方式是否等同于'bisquare'
,鲁棒线性最小二乘拟合方法的默认方法。
fit3 =适合(cdate、流行、“poly3”,“正常化”,“上”,“稳健”,“上”)情节(fit3 cdate流行)
fit3 = Linear model Poly3: fit3(x) = p1*x^3 + p2*x^2 + p3*x + p4其中x被平均1890归一化,std 62.05系数(有95%置信界限):p1 = -0.4619 (-1.895, 0.9707) p2 = 25.01 (23.79, 26.22) p3 = 77.03 (74.37, 79.7) p4 = 62.81 (61.26, 64.37)
找出可以为库模型设置哪些参数“poly3”
,使用fitoptions函数。
fitoptionsPoly3.
ANS = NORMARIOP:'关'排除:[]权重:[]方法:'LineAleleasquares'鲁棒:'关闭'下部:[1x0 double] upper:[1x0 double]
得到拟合优度统计
指定“gof”
输出参数,以获得三次多项式拟合的拟合优度统计量。
[fit4, gof] =适合(cdate、流行、“poly3”,“正常化”,“上”);gof
GOF = STRUCT&FIENTS:SSE:149.7687 RSQUARE:0.9988 DFE:17 Adjrsquare:0.9986 RMSE:2.9682
绘制残差以评估拟合
要绘制残差,请指定“残差”
作为plot方法中的plot类型。
情节(fit4 cdate、流行、“残差”);
检查超出数据范围的适合度
默认情况下,拟合度绘制在数据范围内。要在不同的范围内绘制拟合度,请在绘制拟合度之前设置坐标轴的x极限。例如,为了查看从fit推断出的值,将x上限设置为2050。
情节(cdate、流行,'o');xlim([1900, 2050]);持有在情节(FIT4);持有从
情节预测范围
绘制预测范围,使用“predobs”
或“predfun”
作为情节类型。
情节(fit4 cdate、流行、“predobs”)
三次多项式高达2050年的绘图预测边界。
情节(cdate、流行,'o');xlim([1900, 2050])持有在绘图(FIT4,“predobs”);持有从
在新的查询点获取置信边界
评估一些新的查询点是否适合。
CdateFuture =(2000:10:2020)。'popfuture = fit4(Cdatefuture)
popFuture = 276.9632 305.4420 335.5066
使用predint方法计算未来总体预测的95%置信界限。
ci = predint(fit4,cdatefuture,0.95,'观察')
CI = 267.8589 286.0674 294.3070 316.5770 321.5924 349.4208
根据拟合和数据,用置信区间绘制预测的未来人口。
情节(cdate、流行,'o');xlim((1900、2040))在绘图(FIT4)H =误差栏(CDateFuture,Popfuture,Popfuture-CI(:,1),CI(:,2) - 分析,“。”);持有从传说(“cdate v流行”,“poly3”,'预测',“位置”,“西北”)
拟合并绘制一个多项式曲面
加载一些曲面数据,并在x和y中拟合一个四次多项式。
负载因特网;fitsurface =适合(x, y, z,'poly44',“正常化”,“上”)情节(fitsurface, x, y, z)
线性模型Poly44: fitsurface (x, y) = p00 + p10 * x + p01 * y + p20 * x ^ 2 +侯* * y + p02 e * y ^ 2 + * x ^ 3 + p21 * x ^ 2 * y + p12 * x * y ^ 2 + 3 * y ^ 3 + p40 * x x ^ 3 ^ 4 +奔跑的* * y +第22位* x ^ 2 * x y ^ 2 + p13 * * y ^ 3 + p04 * y ^ 4 x是规范化的意思是1982和868.6性病,y是归一化平均0.4972和性病0.2897系数(95%置信范围):p00 = 0.3471 (0.3033, 0.3909) p10 = -0.1502 (-0.1935, -0.107) p01 = -0.4203 (-0.4637, -0.377) p20 = 0.2165(0.1514, 0.2815)侯= 0.1717 (0.1175,0.2259)p02 = 0.03189 (-0.03351, 0.09729) p21 e = 0.02778 (0.00749, 0.04806) = 0.01501 (-0.002807, 0.03283) p12 = -0.03659 (-0.05439, -0.01879) 3 = 0.1184 (0.09812, 0.1387) p40 = -0.07661(-0.09984, -0.05338) = -0.02487(-0.04512, -0.004624)第22位分担主= 0.0007464 (-0.01948,0.02098)p13 = -0.02962 (-0.04987, -0.009366) p04 = -0.02399 (-0.0474,-0.0005797)
所有的拟合方法都有默认属性正常化
,排除
,权重
,方法
。举个例子,请看在命令行中指定适合的选项。
多项式模型有方法
属性值LinearLeastSquares
下一个表中显示了附加的fit options属性。有关所有适合的选项的详细信息,请参阅fitoptions
参考页面。
财产 |
描述 |
---|---|
|
指定要使用的稳健线性最小二乘拟合方法。值是 |
|
拟合系数下界的一个向量。默认值是空向量,表示匹配不受下界限制。如果指定了边界,则向量长度必须等于系数的数目。单独的不受约束的下界可以由 |
|
拟合系数上界的一个向量。默认值是空向量,表示匹配不受上限限制。如果指定了边界,则向量长度必须等于系数的数目。单独的不受约束的上界可以由 |
您可以通过指定x和y输入的度数来控制多项式曲面模型中包含的项。如果我度是x和吗j是y的程度,多项式的总程度最大我和j。每个术语中的X的程度小于或等于我,每一项中y的次数都小于或等于j。两者的最大值我和j是5。
例如:
poly21 z = p10 * x + p01 * y + p20 * x ^ 2 + p11 * x * y
Poly13 Z = P10 * X + P01 * Y + P11 * X * Y + P02 * Y ^ 2 + P12 * X * Y ^ 2 + P03 * Y ^ 3
p00 + p10*x + p01*y +…+ p14*x*y^4 + p05*y^5
例如,如果你指定x度3.
y度2
,型号名称为poly32
。模型项遵循此表中的表格。
程度的术语 | 0 | 1 | 2 |
---|---|---|---|
0 | 1 | y | y2 |
1 | x | XY. | XY.2 |
2 | x2 | x2y | N/A |
3. | x3. | N/A | N/A |
多项式的总次数不能超过的最大值我和j。在这个例子中,像x这样的项3.y和x2y2被排除在外,因为他们的学位总和3.
。在这两种情况下,总程度是4
。
适合
|fitoptions
|fittype.
|多项式模型名称和方程