Изогнитесь и появитесь, соответствуя

Подбор кривой кривой

Чтобы программно соответствовать кривой, выполните шаги в этом простом примере:

Загрузите некоторые данные.
```
load hahn1
```
Создайте подгонку с помощью fit функция, задавая переменные и тип модели (в этом случае rat23 тип модели).
```
f = fit( temp, thermex, 'rat23' )
```
Постройте свою подгонку и данные.
```
plot( f, temp, thermex )
f( 600 )
```

Для примера, сравнивающего различные аппроксимации полиномом, смотрите Полиномиальный Curve Fitting.

Подбор кривой поверхности

Чтобы программно соответствовать поверхности, выполните шаги в этом простом примере:

Загрузите некоторые данные.
```
load franke
```
Создайте подгонку с помощью fit функция, задавая переменные и тип модели (в этом случае poly23 тип модели).
```
 f = fit( [x, y], z, 'poly23' )
```
Постройте свою подгонку и данные.
```
plot(f, [x,y], z)
```

Для примера, соответствующего пользовательским уравнениям, смотрите, что Поверхность Соответствует Пользовательским уравнениям к Биофармацевтическим Данным.

Типы модели и подходящий анализ

Для получения дополнительной информации и примеры определенных типов модели и подходящего анализа, смотрите следующие разделы:

Рабочий процесс для подбора кривой командной строки

Программное обеспечение Curve Fitting Toolbox™ предоставляет множество методов для анализа данных и моделирования.

Совет

Быстро собрать MATLAB^® код для кривой и поверхностных подгонок и графиков, используйте приложение Curve Fitting и затем сгенерируйте код. Можно преобразовать интерактивный анализ одного набора данных в допускающую повторное использование функцию для анализа командной строки или для пакетной обработки данных нескольких наборов данных. Смотрите Генерируют Подгонки Кода и Экспорта к Рабочей области.

Чтобы использовать функции аппроксимирования кривыми для программируемого подбора кривой и анализа, следуйте за этим рабочим процессом:

Импортируйте свои данные в рабочее пространство MATLAB с помощью load команда (если ваши данные ранее хранились в переменных MATLAB), или любая из функций MATLAB для чтения данных из конкретных типов файлов. Вы можете должны быть изменить свои данные: смотрите prepareCurveData или prepareSurfaceData.
(Необязательно), Если ваши данные являются шумными, вы можете хотеть сглаживать их с помощью smooth функция. Сглаживание используется, чтобы идентифицировать главные тренды в данных, которые могут помочь вам в выборе соответствующего семейства параметрических моделей. Если параметрическая модель не является очевидной или соответствующей, сглаживание может быть самоцелью, обеспечив непараметрический припадок данных.
Примечание
Сглаживание оценивает центр распределения ответа в каждом предикторе. Это делает недействительным предположение, что ошибки в данных независимы, и так также делает недействительным использованное для расчета доверие методов и интервалы предсказания. Соответственно, если параметрическая модель идентифицирована посредством сглаживания, исходные данные должны быть переданы fit функция.
Задайте параметрическую модель для данных — или модель библиотеки Curve Fitting Toolbox или пользовательская модель, которую вы задаете. Вы задаете модель путем передачи имени модели или выражения к fit функционируйте или (дополнительный) с fittype объект вы создаете с fittype функция.
Чтобы просмотреть доступные модели библиотеки, см. Список Моделей Библиотеки для Кривой и Поверхностного Подбора кривой.
(Необязательно) можно создать подходящую структуру опций для подгонки с помощью fitoptions функция. Подходящие опции задают вещи как веса для данных, подходящих методов и низкоуровневых опций для алгоритма подбора.
(Необязательно) можно создать правило исключения для подгонки с помощью excludedata функция. Правила исключения указывают, какие значения данных будут обработаны как выбросы и исключены из подгонки.
Задайте X и Y (и z, если подбор кривой поверхности) данные, модель (имя, выражение или fittype объект), и (опционально) подходящая структура опций и правило исключения, с fit функция, чтобы выполнить подгонку.
fit функция возвращает cfit (для кривых) или sfit (для поверхностей) объект, который инкапсулирует вычисленные коэффициенты и подходящую статистику. Если вы хотите узнать больше о подходящих объектах, смотрите Объекты Подбора кривой Кривой и Поверхности и Методы.
Можно постобработать подходящие объекты, возвращенные fit функция, путем передачи их множеству функций, такой как feval, differentiate, integrate, plot, coeffvalues, probvalues, confint, и predint.

Используйте следующие функции, чтобы работать с кривой и поверхностными подгонками.

Изогнитесь или появитесь подходящий метод	Описание
`argnames`	Получите имена входного параметра
`category`	Наберите форму категория
`coeffnames`	Получите содействующие имена
`coeffvalues`	Получите содействующие значения
`confint`	Получите доверительные интервалы для подходящих коэффициентов
`dependnames`	Получите имя зависимой переменной
`differentiate`	Дифференцируйте подгонку
`excludedata`	Исключите данные из подгонки
`feval`	Оцените модель в заданных предикторах
`fittype`	Создайте `fittype` объект
`formula`	Получите формулу
`indepnames`	Получите имя независимой переменной
`integrate`	Интегрируйте подгонку кривой
`islinear`	Определите, линейна ли модель
`numargs`	Получите количество входных параметров
`numcoeffs`	Получите количество коэффициентов
`plot`	Подгонка графика
`predint`	Получите интервалы предсказания
`probnames`	Получите зависимые проблемой названия параметра
`probvalues`	Получите зависимые проблемой значения параметров
`quad2d`	Численно интегрируйте поверхностную подгонку (`sfit` объект
`setoptions`	Установите подходящие опции модели
`type`	Получите имя модели

Документация