Используйте модели Lowess, чтобы соответствовать сглаженным поверхностям к вашим данным. Имена “lowess” и “лесс” выведены из 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.
В приложении Curve Fitting выберите Lowess из списка типов модели.
Можно использовать Lowess тип модели, чтобы соответствовать сглаженным поверхностям к вашим данным с любым lowess или loess методы. Lowess подгонки используют локально взвешенную линейную регрессию, чтобы сглаживать данные.
Можно задать следующие опции:
Выберите Linear или Quadratic из списка, чтобы задать тип модели Polynomial, чтобы использовать в регрессии. В Curve Fitting Toolbox™, lowess подбор кривой использует линейный полином, в то время как loess подбор кривой использует 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, LAR, или Bisquare). Локальная регрессия использует опцию Robust. Используя Robust функция веса может сделать процесс стойким к выбросам. Для получения дополнительной информации смотрите Robust на fitoptions страница с описанием.
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.
fit ФункцияВ этом примере показано, как использовать fit функция, чтобы подбирать модель Lowess к данным.
Загрузите некоторые данные и подбирайте модель 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.