Этим примером является введение в Live Editor. В Live Editor можно создать live скрипты, что выход show вместе с кодом, который произвел его. Добавьте форматированный текст, уравнения, изображения и гиперссылки, чтобы улучшить ваше описание и совместно использовать live скрипт с другими как интерактивный документ.
Создайте live скрипт в Live Editor. Чтобы создать live скрипт, на вкладке Home, нажимают New Live Script.
Разделите свой live скрипт на разделы. Разделы могут содержать текст, код, и вывести. Код MATLAB появляется с серым фоном, и выход появляется с белым фоном. Чтобы создать новый раздел, перейдите к вкладке Live Editor и нажмите кнопку Section Break.
Добавьте данные о переписи США для 1 900 - 2000.
years = (1900:10:2000); % Time interval pop = [75.995 91.972 105.711 123.203 131.669 ... % Population Data 150.697 179.323 213.212 228.505 250.633 265.422]
pop = 1×11
75.9950 91.9720 105.7110 123.2030 131.6690 150.6970 179.3230 213.2120 228.5050 250.6330 265.4220
Разделы могут быть запущены независимо. Чтобы запустить код в разделе, перейдите к вкладке Live Editor и нажмите кнопку Run Section. Можно также кликнуть по синей панели, которая появляется, когда вы перемещаете мышь слева от раздела. Когда вы запускаете раздел, выводите, и фигуры появляются вместе с кодом, который произвел их.
Постройте данные о населении против года.
plot(years,pop,'bo'); % Plot the population data axis([1900 2020 0 400]); title('Population of the U.S. 1900-2000'); ylabel('Millions'); xlabel('Year') ylim([50 300])
Мы можем предсказать население США в году 2010?
Добавьте информацию о поддержке в текст, включая уравнения, изображения и гиперссылки.
Давайте попробуем подгонку данных полиномами. Мы будем использовать polyfit MATLAB функция, чтобы получить коэффициенты.
Подходящие уравнения:
x = (years-1900)/50; coef1 = polyfit(x,pop,1)
coef1 = 1×2
98.9924 66.1296
coef2 = polyfit(x,pop,2)
coef2 = 1×3
15.1014 68.7896 75.1904
coef3 = polyfit(x,pop,3)
coef3 = 1×4
-17.1908 66.6739 29.4569 80.1414
Создайте разделы с любым количеством текстовых строк и строк кода.
Мы можем построить линейные, квадратичные, и кубические кривые, адаптированные к данным. Мы будем использовать polyval функция, чтобы оценить подходящие полиномы в точках в x.
pred1 = polyval(coef1,x); pred2 = polyval(coef2,x); pred3 = polyval(coef3,x); [pred1; pred2; pred3]
ans = 3×11
66.1296 85.9281 105.7266 125.5250 145.3235 165.1220 184.9205 204.7190 224.5174 244.3159 264.1144
75.1904 89.5524 105.1225 121.9007 139.8870 159.0814 179.4840 201.0946 223.9134 247.9403 273.1753
80.1414 88.5622 101.4918 118.1050 137.5766 159.0814 181.7944 204.8904 227.5441 248.9305 268.2243
Теперь давайте построим ожидаемые значения для каждого полинома.
hold on plot(years,pred1) plot(years,pred2) plot(years,pred3) ylim([50 300]) legend({'Data' 'Linear' 'Quadratic' 'Cubic'},'Location', 'NorthWest') hold off
Можно совместно использовать live скрипт с другими пользователями MATLAB так, чтобы они могли воспроизвести результаты. Также можно опубликовать результаты как PDF, Microsoft® Word или документы HTML. Добавьте средства управления в свои live скрипты, чтобы показать пользователям, как важные параметры влияют на анализ. Чтобы добавить средства управления, перейдите к вкладке Live Editor, кликните по Кнопке управления и выберите из доступных параметров.
Мы можем теперь вычислить прогнозируемое население данного года с помощью наших трех уравнений.
year = 
2018;
xyear = (год 1900)/50;
pred1 = polyval (coef1, xyear);
pred2 = polyval (coef2, xyear);
pred3 = polyval (coef3, xyear);
[pred1 pred2 pred3]ans = 1×3
299.7517 321.6427 295.0462
В течение года 2010, например, линейное и кубические соответствия предсказывают подобные значения приблизительно 284 миллионов человек, в то время как квадратичная подгонка предсказывает намного более высокое значение приблизительно 300 миллионов человек.