Smooth Data
Сглаживайте зашумленные данные в Live Editor
Описание
Задача «Сглаживание данных» позволяет вам в интерактивном режиме сглаживать зашумленные данные. Задача автоматически генерирует MATLAB® код для вашего live скрипта.
Используя эту задачу, вы можете:
Настройте метод сглаживания данных в переменной рабочей области.
Настройте параметры, чтобы сглаживать меньше или больше.
Автоматическая визуализация сглаженных данных.
Откройте задачу
Чтобы добавить задачу Smooth Данных к live скрипту в РЕДАКТОРА MATLAB:
На вкладке Live Editor выберите Task > Smooth Data.
В код блоке скрипта введите соответствующее ключевое слово, например
smoothилиnoisy. Выберите Smooth Data из предложенных завершений команды.
Примеры
Похожие примеры
Параметры
Input data - Действительные входные данные из рабочей области
вектор | таблица | расписание |...
Эта задача работает с данными типа single, double, или logical, или знаковые или беззнаковые целые типы, такие как int64. Данные могут содержаться в векторе или табличных переменных. При предоставлении таблицы или расписания для входных данных задайте All supported variables, чтобы работать со всеми переменными с поддерживаемым типом. Выберите All numeric variables для работы со всеми переменными типа single или double, или знаковые или беззнаковые целые типы. Чтобы выбрать определенные поддерживаемые переменные для работы, выберите Specified variables, а затем выберите переменные по отдельности.
Smoothing method - Метод сглаживания данных
Moving mean (по умолчанию) | Moving median | Gaussian filter | Local linear regression | Local quadratic regression | Robust local linear regression | Robust local quadratic regression | Savitzky-Golay polynomial filter | ...
Укажите метод сглаживания как одну из следующих опций, которые работают в локальных окнах данных.
| Метод | Описание |
|---|---|
Moving mean | Скользящее среднее значение. Этот метод полезен для сокращения периодических трендов в данных. |
Moving median | Движущаяся медиана. Этот метод полезен для уменьшения периодических трендов в данных, когда присутствуют выбросы. |
Gaussian filter | Гауссово-взвешенное скользящее среднее значение. |
Local linear regression | Линейная регрессия. Этот метод может быть вычислительно дорогим, но приводит к меньшему количеству разрывов. |
Local quadratic regression | Квадратичная регрессия. Этот метод немного дороже в вычислительном отношении, чем локальная линейная регрессия. |
Robust local linear regression | Устойчивая линейная регрессия. Этот метод является более вычислительно дорогой версией локальной линейной регрессии, но он более устойчивый к выбросам. |
Robust local quadratic regression | Устойчивая квадратичная регрессия. Этот метод является более вычислительно дорогой версией локальной квадратичной регрессии, но он более надежен для выбросов. |
Savitzky-Golay polynomial filter | Полиномиальный фильтр Савицкого-Голея, который сглаживается согласно полиному заданной степени и устанавливается над каждым окном. Этот метод может быть более эффективным, чем другие методы, когда данные изменяются быстро. |
Moving window - Окно для методов сглаживания
Centered (по умолчанию) | Asymmetric
Укажите тип и размер окна для метода сглаживания вместо определения общего коэффициента сглаживания.
| Окно | Описание |
|---|---|
Centered | Заданная длина окна с центром вокруг текущей точки. |
Asymmetric | Заданное окно, содержащее количество элементов перед текущей точкой и количество элементов после текущей точки. |
Размеры окон соответствуют X-axis единицам модулей.