Сглаживание Lowess
О сглаживании Lowess
Используйте модели Lowess, чтобы соответствовать сглаженным поверхностям к вашим данным. Имена “lowess” и “лесс” выведены от термина, “локально взвесил сглаженный график рассеивания”, как оба использования методов локально взвешенная линейная регрессия, чтобы сглаживать данные. Процесс взвешивается, потому что тулбокс задает функцию веса регрессии для точек данных, содержавших в промежутке. В дополнение к функции веса регрессии опция Robust является функцией веса, которая может сделать процесс стойким к выбросам.
Для получения дополнительной информации об этих двух типах сглаживания подгонки смотрите, что Локальная Регрессия Сглаживает.
Выбор подгонки Lowess в интерактивном режиме
В приложении Curve Fitting выберите Lowess из списка типов модели.
Можно использовать тип модели Lowess, чтобы соответствовать сглаженным поверхностям к данным или с lowess или с методами loess. Lowess соответствует использованию локально взвешенная линейная регрессия, чтобы сглаживать данные.
Можно задать следующие опции:
Выберите
LinearилиQuadraticиз списка, чтобы задать тип модели Polynomial, чтобы использовать в регрессии. В Curve Fitting Toolbox™ подбор кривойlowessиспользует линейный полином, в то время как подбор кривойloessиспользует квадратичный полином.Используйте Span, чтобы задать промежуток как процент общего количества точек данных в наборе данных. Использование тулбокса, граничащее с точками данных, заданными в промежутке, чтобы определить каждое сглаживавшее значение. Эта роль соседних точек является причиной, почему процесс сглаживания называется “локальный”.
Совет
Увеличьте промежуток, чтобы сделать поверхность более сглаженной. Уменьшайте промежуток, чтобы заставить поверхность следовать за данными более тесно.
Линейный метод наименьших квадратов Robust подходящий метод вы хотите использовать (
Off,LARилиBisquare). Локальная регрессия использует опцию Robust. Используя Robust функция веса может сделать процесс стойким к выбросам. Для получения дополнительной информации смотритеRobustна странице с описаниемfitoptions.
Совет
Если ваши входные переменные имеют совсем другие шкалы, включают и выключают опцию Center and scale, чтобы видеть различие в поверхностной подгонке. Нормализация входных параметров может строго влиять на результаты подбора кривой Lowess.
Для интерактивного использования в качестве примера Lowess смотрите, что Поверхность Соответствует к Данным Франке.
Соответствуйте моделям Lowess Используя функцию fit
Этот пример показывает, как использовать функцию fit, чтобы соответствовать модели Lowess к данным.
Загрузите некоторые данные и соответствуйте модели Lowess путем определения 'lowess' при вызывании подходящей функции.
load franke f = fit([x y],z,'lowess')
Locally weighted smoothing linear regression:
f(x,y) = lowess (linear) smoothing regression computed from p
Coefficients:
p = coefficient structure
plot(f,[x y],z)
Для использования командной строки в качестве примера Lowess сочтите целесообразным Сглаженные Поверхности, Чтобы Исследовать Топливную экономичность.