主要内容

线性与非线性回归

使用线性或非线性库模型或自定义模型拟合曲线或曲面

回归是一种估计响应(输出)变量和一个或多个预测(输入)变量之间关系的方法。可以使用线性和非线性回归来预测、预测和估计观测数据点之间的值。曲线拟合工具箱™ 函数允许您通过使用线性和非线性模型库或自定义方程将曲线或曲面拟合到数据来执行回归。

使用曲线拟合应用程序拟合曲线和表面的数据交互。有关更多信息,请参见曲线拟合. 您也可以使用适合函数在命令行拟合曲线或曲面到一组数据。有关一个简单的示例,请参见多项式曲线拟合.

应用程序

曲线拟合 将曲线和曲面与数据拟合

功能

全部展开

excludedata 从拟合中排除数据
适合 将曲线或曲面拟合到数据
fittype 曲线和曲面拟合的拟合类型
fitoptions 创建或修改适合选项对象
预存数据 为曲线拟合准备数据输入
准备表面数据 准备表面拟合的数据输入
argnames 的输入参数名称cfit,sfitfittype对象
类别 配合类别cfit,sfitfittype对象
科夫名称 系数名称cfit,sfitfittype对象
coeffvalues 系数的值cfitsfit对象
dependnames 因变量的cfit,sfitfittype对象
函数宏指令 评估cfit,sfitfittype对象
公式 公式cfit,sfitfittype对象
得到 获取合适的选项结构属性名称和值
独立名称 自变量cfit,sfitfittype对象
islinear 确定cfit,sfitfittype物体是线性的
numargs 的输入参数个数cfit,sfitfittype对象
努姆科夫斯 的系数数cfit,sfitfittype对象
probnames 与问题相关的参数名称cfit,sfitfittype对象
设置 在适合选项结构中赋值
设置选项 设置模型拟合选项
类型 姓名cfit,sfitfittype对象

话题

教程

参数拟合

查找曲线拟合应用程序的所有库模型类型适合功能、设置拟合选项和优化起点。

最小二乘拟合

曲线拟合工具箱中的最小二乘拟合,包括误差分布、线性、加权、稳健和非线性最小二乘。

多项式模型

在曲线拟合应用程序中拟合多项式或使用适合作用

指数模型

在曲线拟合应用程序中拟合指数模型或使用适合作用

傅里叶级数

在曲线拟合应用程序中拟合傅里叶级数模型或与适合作用

高斯模型

在曲线拟合应用程序中拟合高斯模型或使用适合作用

幂级数

在曲线拟合应用程序中拟合幂级数模型或使用适合作用

有理多项式

在曲线拟合应用程序中拟合有理多项式模型或与适合作用

正弦模型的和

在曲线拟合应用程序中或使用适合作用

威布尔分布

在曲线拟合应用程序中拟合威布尔分布模型或与适合作用

自定义模型

如果工具箱库不包含所需的参数化方程式,则可以创建自己的自定义方程式。

工具的工作流程

交互式曲线和曲面拟合

使用曲线拟合app将曲线和曲面拟合到数据:选择数据,选择模型类型,并保存会话。

数据选择

在曲线拟合应用程序中选择数据以拟合曲线和曲面,确定兼容的尺寸数据并解决数据问题。

在曲线拟合应用程序中比较拟合

通过创建多个拟合来搜索最佳拟合,比较图形和数字结果,包括拟合系数和拟合优度统计信息,并在工作空间中分析最佳拟合。

Franke数据的曲面拟合

使用示例数据在曲线拟合应用程序中创建和比较曲面拟合。

生物制药数据的表面拟合

曲线拟合工具箱软件为麻醉药物相互作用研究提供了一些实例数据。

自定义非线性ENSO数据分析

该示例使用几个自定义非线性方程拟合ENSO数据。

指数背景下的高斯拟合

此示例使用通用(非线性)自定义模型拟合衰减指数背景上的两个分辨率较差的高斯峰。

程序化工作流

曲线曲面拟合

曲线拟合工具箱中编程曲线和曲面拟合的工作流。

多项式曲线拟合

此示例演示如何使用曲线拟合工具箱将多项式拟合到某些普查数据的六次方™.

自定义非线性拟合

这个示例展示了如何将自定义方程拟合到普查数据,指定边界、系数和与问题相关的参数。

用自定义方程对生物制药数据进行曲面拟合

此示例演示如何使用曲线拟合工具箱™ 将响应面与一些麻醉数据拟合,以分析药物相互作用效应。

特色实例