。
2つのmatlab®关节,多重モデルを用词てをモデリングできます。
多重关关数
このこのでは,多重式を使使てデータをモデル化。
時間T.
のいくつかの値で,流量y
を测定します。
t = [0 0.3 0.8 1.1 1.6 2.3];Y = [0.6 0.67 1.01 1.35 1.47 1.25];绘图(t,y,“o”) 标题(y与t的关系图)
2更多多关节をし,このこのデータのモデルモデル试みることができことができことができことができ。
未知の系数 那 那 は,モデルモデルからののデータ偏差の二乘乘最することで计算され(最小二乘似)。
Polyfit.
を使用して多項式係数を求めます。
p = polyfit(t,y,2)
P =1×3.-0.2942 1.0231 0.4981
MATLABは,多項式係数を降べきの順で計算します。
このデータの2更多项式项式は,次の式で与えられ。
等间距时空T2.
次に,同じプロットでのデータモデルをプロットし。
t2 = 0:0.1:2.8;Y2 = Polyval(P,T2);图绘图(t,y,“o”,t2,y2)标题('数据(点)和型号(线)')
データの时间ベクトルベクトルモデルをを评価ます。
Y2 = Polyval(P,T);
残差を计算します。
res = y - y2;
残差をプロットします。
图,绘图(t,res,“+”) 标题(《残余物图》)
2次の近似はデータの基本的な形状に概ねていますががにか乘っ曲ををてないことこと注意していにパターンがあるてて。,别のモデルが必要である可能ををています.5更多项式(次次参照)は,データデータのをより忠実再现してます。
同じ同じ课题,今度今度Polyfit.
の5更多项式使し缲り返します。
p5 = polyfit(t,y,5)
p5 =1×6.0.7303 -3.5892 5.4281 -2.5175 0.5910 0.6000
T2.
で多项式をし,新闻图ウィンドウでデータ上に近似プロットします。
y3 = polyval (p5, t2);图绘图(t,y,“o”,t2,y3)标题('第五层多项式合适')
メモ
物理的な状况のモデリングを试みる合书,所以ののにおいて特定のがが意义であるについて考察がこと常にかについてについてするは常に重要です。
このこの例で,更多项式项を含むモデルによって,データを近似する方法ををます。
多关有关部がに対してに対してななモデルを与えない场形をを使使てて试すことができことができををを使をことができををををををををををををを 那 那 に关键字ては线で, のデータに关键词は非形形であるであるよう,次の关键词考え。
連立方程式を作成して解き,パラメーターを求めることによって,未知の係数 那 那 を计算できます。次次の构でで,“計画行列“を作成することでこれを行います。ここで,各列は応答(モデルの項)の予測に使用する変数を表し,各行はそれらの変数の1つの観測に対応します。
T.
とy
をを列ベクトルとしてとしてとしてとしてしし。
T = [0 0.3 0.8 1.1 1.6 2.3]';Y = [0.6 0.67 1.01 1.35 1.47 1.25]';
计画行列作物成します。
x = [(大小(t))exp(-t)t。* exp(-t)];
モデルモデル分数を计算します。
a = x \ y
A =3×11.3983 -0.8860 0.3085
したがって,データのモデルは次ように与えられます。
次に,等間隔の点においてモデルを計算し,元のデータとモデルをプロットします。
t =(0:0.1:2.5)';y = [y =(size(t))exp(-t)t. * exp(-t)] * a;绘图(t,y,' - '、t、y,“o”)、网格在标题('模型和原始数据的情节')
この例では,複数の予測子変数が含まれる関数のモデルデータに重回帰を使用する方法を示します。
yが函数の予测子函数を含む关键词关键词変変式,データの追加にて拡拡しばなりんんはんは。これこれ,“重回帰”と呼ばれます。
と
のいくつかの値に対して量
を测定します。これらこれらの値,ベクトルX1
那X2
那y
にそれぞれ格式し。
X1 = [.2 .5 .6 .8 1.0 1.1]';X2 = [.1 .3 .4 .9 1.1 1.4]';Y = [.17 .26 .28 .23 .27 .24]';
データの多重モデルを,次のように考え。
重回帰によって,未知の系数 那 那 は,モデルモデルからのデータデータのの二乘乘最最するで求められ(最小二乘似)。
计画行程X
を形成すること,连立方程式を作物。
x = [(尺寸(x1))x1 x2];
バックスラッシュラッシュ子を使してパラメーターを求めます。
a = x \ y
A =3×10.1018 0.4844 -0.2847
データデータの小二乘近似は,次のようになり。
y = x * a;maxerr = max(abs(y - y))
maxerr = 0.0038
この値がデータ値に比べて十分小さいので,データへの近似がうまくいっているモデルであることを確信できます。
,MATLAB关有关部をてを示しう方法
1990年1790年からまでの米国の人口データを含むcensus.mat
から,サンプルの人口调查データ読み込みます。
加载普查
これによりmatlabワークワークスペース次次ののつのますますれれれ
Cdate.
は1790年から1990年までの10年度の年を含むベクトルですですベクトルベクトル
流行音乐
はCdate.
データをプロットします。
情节(Cdate,Pop,'ro') 标题('我们。人口从1790年到1990年')
このプロットは,変数間の高い相関を表す明確なパターンを示しています。
例では,ここここ,统计的な相决め,データのモデリングが适切であるかに,変Cdate.
と流行音乐
を決定します。相関係数の詳細は,线路相关を参照してください。
相関係数行列を計算します。
corrcoef (cdate、流行)
ans =.2×20.9597 0.9597 1.0000
行程の対角要素,1に等しく,各各数がそれといることを表し表し非対角て要素はを表しに非対角てははを表しにに非対角いるははを表しに近く近くいるはは非常にに近くてははは非常非常に近く近くいるははは非常非常にににCdate.
と数流行音乐
间に统计上の强い相关ががことを示します。
ここでは,matlab关节Polyfit.
とpolyval
をを用ししデータをををモデルしし。
近似パラメーターを计算します。
[p,错误]= polyfit (cdate流行2);
近似を評価します。
pop_fit = polyval(p,cdate,收藏);
データと近似をプロットますます。
绘图(CDate,Pop_fit,' - ',cdate,pop,“+”);标题('我们。人口从1790年到1990年') 传奇('多项式模型'那“数据”那“位置”那'西北');Xlabel(“人口普查年”);ylabel('人口(数百万)');
このプロットは2次の多項式の近似がデータを良く近似していることを示しています。
このこの近似の残差残差を计算しし
res = pop - pop_fit;图,情节(Cdate,Res,“+”) 标题('二次多项式模型的剩余物)
残差のプロットがパターンを示していることに注意してください。これは2次多項式がこのデータのモデル化に適切でない可能性があることを意味します。
信息限制は,予测された応答函数空间です。空间の幅は,近似がどの程度正确かを示し。
この例では,サンプルデータ普查
にPolyfit.
とpolyval
を適用し2次多項式モデルの信頼限界を求めます。
次のコードでは, これ区,大,大幅度标に対するししますこれこれ。
近似近似と予测误差(デルタ)を评価します。
[pop_fit,delta] = polyval(p,cdate,Eartest);
データ,近似,信息限制をプロットします。
情节(Cdate,Pop,“+”那......cdate pop_fit,'G-'那......Cdate,pop_fit + 2 *三角洲,'r:'那......cdate、pop_fit-2 *δ'r:');Xlabel(“人口普查年”);ylabel('人口(数百万)');标题('二次多项式适合置信度界限') 网格在
95%の空间は,新しい観测が空间内に可入る性性95%であることをます。