Фитинг кривой и поверхности

Подгонка кривой

Чтобы программно подогнать кривую, выполните следующие действия в этом простом примере:

Загрузите некоторые данные.
```
load hahn1
```
Создание посадки с помощью fit функция, указывающая переменные и тип модели (в данном случае rat23 - тип модели).
```
f = fit( temp, thermex, 'rat23' )
```
Постройте график соответствия и данных.
```
plot( f, temp, thermex )
f( 600 )
```

Пример сравнения различных полиномиальных посадок см. в разделе Подгонка полиномиальной кривой.

Подгонка поверхности

Чтобы программно подогнать поверхность, выполните следующие действия в этом простом примере:

Загрузите некоторые данные.
```
load franke
```
Создание посадки с помощью fit функция, указывающая переменные и тип модели (в данном случае poly23 - тип модели).
```
 f = fit( [x, y], z, 'poly23' )
```
Постройте график соответствия и данных.
```
plot(f, [x,y], z)
```

Пример подгонки пользовательских уравнений см. в разделе Подгонка поверхности с пользовательскими уравнениями к биофармацевтическим данным.

Типы моделей и анализ подгонки

Дополнительные сведения и примеры определенных типов моделей и анализа подгонки см. в следующих разделах.

Рабочий процесс для подгонки в командной строке

Программное обеспечение Curve Fitting Toolbox™ предоставляет различные методы анализа и моделирования данных.

Совет

Чтобы быстро собрать код MATLAB ® для посадок кривых и поверхностей и графиков, используйте приложение «Фитинг кривых», а затем создайте код. Интерактивный анализ одного набора данных можно преобразовать в функцию многократного использования для анализа в командной строке или для пакетной обработки нескольких наборов данных. См. раздел Создание кода и экспорт посадок в рабочую область.

Чтобы использовать функции аппроксимации кривых для программного аппроксимации и анализа, выполните следующие действия.

Импортируйте данные в рабочую область MATLAB с помощью load (если данные ранее хранились в переменных MATLAB) или любой из функций MATLAB для считывания данных из определенных типов файлов. Возможно, потребуется изменить форму данных: см. prepareCurveData или prepareSurfaceData.
(Необязательно) Если данные зашумлены, их можно сгладить с помощью smooth функция. Сглаживание используется для определения основных тенденций в данных, которые могут помочь в выборе соответствующего семейства параметрических моделей. Если параметрическая модель не является очевидной или подходящей, сглаживание может быть самоцелью, обеспечивая непараметрическую подгонку данных.
Примечание
Сглаживание оценивает центр распределения отклика на каждом предикторе. Это делает недействительным предположение о том, что ошибки в данных независимы, а также делает недействительными методы, используемые для вычисления доверительных интервалов и интервалов прогнозирования. Соответственно, как только параметрическая модель идентифицирована посредством сглаживания, исходные данные должны быть переданы в fit функция.
Укажите параметрическую модель для данных - модель библиотеки инструментов фитинга кривой или пользовательскую модель, заданную пользователем. Модель задается путем передачи строки или выражения вfit функция или (необязательно) с fittype объект, созданный с помощью fittype функция.
Сведения о просмотре доступных библиотечных моделей см. в разделе Список библиотечных моделей для фитинга кривой и поверхности.
(Необязательно) Можно создать структуру опций посадки с помощью fitoptions функция. Параметры подгонки определяют такие параметры, как вес данных, методы подгонки и низкоуровневые параметры алгоритма подгонки.
(Необязательно) Можно создать правило исключения для посадки с помощью excludedata функция. Правила исключения указывают, какие значения данных будут рассматриваться как отклонения и исключены из соответствия.
Укажите данные x и y (и z, если фитинг поверхности), модель (строку, выражение или fittype объект) и (необязательно) структуру опций посадки и правило исключения с fit для выполнения посадки.
fit функция возвращает cfit (для кривых) или sfit (для поверхностей) объект, который инкапсулирует вычисленные коэффициенты и статистику аппроксимации. Дополнительные сведения об объектах посадки см. в разделе Объекты и методы фитинга кривой и поверхности.
Можно постобработать объекты посадки, возвращенные fit функция, передавая их различным функциям, таким как feval, differentiate, integrate, plot, coeffvalues, probvalues, confint, и predint.

Используйте следующие функции для работы с посадками кривых и поверхностей.

Метод подгонки кривой или поверхности	Описание
`argnames`	Получить имена входных аргументов
`category`	Получить категорию соответствия
`coeffnames`	Получить имена коэффициентов
`coeffvalues`	Получить значения коэффициентов
`confint`	Получить доверительные интервалы для коэффициентов соответствия
`dependnames`	Получить имя зависимой переменной
`differentiate`	Дифференцировать подгонку
`excludedata`	Исключить данные из посадки
`feval`	Оценка модели для указанных предикторов
`fittype`	Конструкция `fittype` объект
`formula`	Получить строку формулы
`indepnames`	Получить имя независимой переменной
`integrate`	Интеграция аппроксимации кривой
`islinear`	Определить, является ли модель линейной
`numargs`	Получение количества входных аргументов
`numcoeffs`	Получить число коэффициентов
`plot`	Посадка по графику
`predint`	Получить интервалы прогнозирования
`probnames`	Получение имен параметров, зависящих от проблем
`probvalues`	Получение зависимых от проблем значений параметров
`quad2d`	Численная интегрированная посадка поверхности (`sfit` объект)
`setoptions`	Задание параметров аппроксимации модели
`type`	Получить имя модели

См. также

Документация