适合
拟合曲线或曲面到数据
语法
描述
例子
二次曲线拟合
加载一些数据，拟合变量的二次曲线cdate而且流行，并绘制拟合和数据。
负载人口普查；f =适合(cdate、流行,“poly2”）
f =线性模型Poly2: f(x) = p1*x^2 + p2*x + p3系数(95%置信限):p1 = 0.006541 (0.006124, 0.006958) p2 = -23.51 (-25.09， -21.93) p3 = 2.113e+04 (1.964e+04, 2.262 2e+04)
情节(f cdate流行)
有关库模型名称的列表，请参见fitType．
拟合多项式曲面
加载一些数据，拟合一个2次多项式曲面x学位是3y．绘制拟合和数据。
负载因特网Sf = fit([x, y]，z，“poly23”）
线性模型Poly23: sf(x,y) = p00 + p10*x + p01*y + p20*x^2 + p11*x*y + p02*y^2 + p21*x^2 + p21* y^3系数(95%置信限):p00 = 1.118 (0.9149, 1.321) p10 = -0.0002941 (-0.000502， -8.623e-05) p01 = 1.533 (- 0.7032, 2.364) p20 = -1.966e-08 (-7.084e-08, 3.152e-08) p11 = 0.0003427 (- 8.0001009， -5.481) p21 = 9.563e-08 (6.276e-09, 1.85e-07) p12 = -0.0004401 (-0.0007082， -0.0001721) p03 = 4.999 (4.082, 5.917)
情节(科幻,x, y, z)
在MATLAB表格中使用变量拟合曲面
加载因特网数据并将其转换为MATLAB®表。
负载因特网T = table(x,y,z);
属性的输入，指定表中的变量适合函数，并绘制拟合图。
f = fit;x，T.y],T.z,“linearinterp”）;(f， [T];x，T.y], T.z )
在安装前创建安装选项和安装类型
方法加载和绘制数据，创建适合选项和适合类型fittype而且fitoptions函数，然后创建并绘制拟合。
加载并绘制数据census.mat．
负载人口普查情节(cdate、流行,“o”）
为自定义非线性模型创建一个适合选项对象和一个适合类型 ,在那里一个而且b是系数和n是一个与问题相关的参数。
Fo = fitoptions(“方法”，“NonlinearLeastSquares”，.．.“低”(0, 0),.．.“上”(正无穷,max (cdate)),.．.曾经繁荣的[1]);Ft = fittype(“*(取向)^ n”，“问题”，“n”，“选项”fo);
使用拟合选项和值拟合数据n= 2。
[curve2,gof2] = fit(cdate,pop,ft，“问题”，2)
一般模型:curve2(x) = a*(x-b)^n系数(95%置信限):a = 0.006092 (0.005743, 0.006441) b = 1789(1784, 1793)问题参数:n = 2
gof2 =带字段的结构:上证指数:246.1543 rsquare: 0.9980 dfe: 19 adjrsquare: 0.9979 rmse: 3.5994
使用拟合选项和值拟合数据n= 3。
[curve3,gof3] = fit(cdate,pop,ft，“问题”3)
curve3 =一般模型:curve3(x) = a*(x-b)^n系数(95%置信限):a = 1.359e-05 (1.245e-05, 1.474e-05) b = 1725(1718,1731)问题参数:n = 3
gof3 =带字段的结构:上证指数:232.0058 rsquare: 0.9981 dfe: 19 adjrsquare: 0.9980 rmse: 3.4944
将拟合结果与数据绘制。
持有在情节(curve2“米”)情节(curve3“c”)传说(“数据”，“n = 2”，“n = 3”)举行从
拟合三次多项式，指定归一化和鲁棒选项
加载一些数据，拟合并绘制一个三次多项式的中心和比例(正常化)和稳健的拟合选项。
负载人口普查；f =适合(cdate、流行,“poly3”，“正常化”，“上”，“稳健”，“Bisquare”）
f =线性模型Poly3: f(x) = p1*x^3 + p2*x^2 + p3*x + p4其中x由平均值1890和std 62.05系数(95%置信限)归一化:p1 = -0.4619 (-1.895, 0.9707) p2 = 25.01 (23.79, 26.22) p3 = 77.03 (74.37, 79.7) p4 = 62.81 (61.26, 64.37)
情节(f cdate流行)
拟合文件定义的曲线
在文件中定义一个函数，并使用它来创建拟合类型和拟合曲线。
在MATLAB中定义一个函数®文件。
函数y = piecewiseLine(x,a,b,c,d,k)分段线:由两段组成的线%不是连续的。Y = 0(大小(x));这个例子包含一个for循环和if语句%纯粹是为了举例。为I = 1:长度如果X (i) < k, y(i) = a + b.* X (i);其他的Y (i) = c + d.* x(i);结束结束结束
保存文件。
定义一些数据，创建指定函数的合适类型piecewiseLine，使用拟合类型创建拟合英国《金融时报》，并绘制结果。
X = [0.81;0.91;0.13;0.91;0.63;0.098;.．.0.96; 0.96; 0.16; 0.97; 0.96);Y = [0.17;0.12;0.16;0.0035;0.37;0.082;.．.0.15; -0.046; 0.17; -0.091; -0.071);Ft = fittype('piecewiseLine(x, a, b, c, d, k)') f = fit(x, y, ft，曾经繁荣的， [1,0,1,0,0.5]) plot(f, x, y)
排除匹配点
加载一些数据并拟合一个指定要排除的点的自定义方程。画出结果。
加载数据并定义一个自定义方程和一些起始点。
[x, y] =钛;gaussEqn =(a * exp() -(取向/ c) ^ 2) + d '
gaussEqn = 'a*exp(-((x-b)/c)²)+d'
startPoints = [1.5 900 10 0.6]
曾经繁荣=1×41.5000 900.0000 10.0000 0.6000
使用自定义方程和起始点创建两个拟合，并使用索引向量和表达式定义两个不同的排除点集。使用排除从你的拟合中去除异常值。
f1 = fit(x'，y'，gaussEqn，“开始”曾经繁荣,“排除”， [1 10 25])
f1 =一般模型:f1(x) = a*exp(-((x-b)/c)^2)+d系数(95%置信限):a = 1.493 (1.432, 1.554) b = 897.4 (896.5, 898.3) c = 27.9 (26.55, 29.25) d = 0.6519 (0.6367, 0.6672)
f2 = fit(x'，y'，gaussEqn，“开始”曾经繁荣,“排除”， x < 800)
f2 =一般模型:f2(x) = a*exp(-((x-b)/c)^2)+d系数(95%置信限):a = 1.494 (1.41, 1.578) b = 897.4 (896.2, 898.7) c = 28.15 (26.22, 30.09) d = 0.6466 (0.6169, 0.6764)
绘制两者吻合的图。
情节(f1, x, y)标题(“拟合数据点1,10和25排除”）
图(f2,x,y)'与排除的x < 800的数据点拟合'）
排除点和图拟合显示排除数据
您可以将排除的点定义为变量，然后将它们作为fit函数的输入提供。以下步骤重新创建前面示例中的拟合，并允许您绘制排除的点以及数据和拟合。
加载数据并定义一个自定义方程和一些起始点。
[x, y] =钛;gaussEqn =(a * exp() -(取向/ c) ^ 2) + d '
gaussEqn = 'a*exp(-((x-b)/c)²)+d'
startPoints = [1.5 900 10 0.6]
曾经繁荣=1×41.5000 900.0000 10.0000 0.6000
使用索引向量和表达式定义两组要排除的点。
Exclude1 = [1 10 25];Exclude2 = x < 800;
使用自定义方程、起始点和两个不同的排除点创建两个拟合。
f1 = fit(x'，y'，gaussEqn，“开始”曾经繁荣,“排除”, exclude1);f2 = fit(x'，y'，gaussEqn，“开始”曾经繁荣,“排除”, exclude2);
绘制两者的拟合并突出显示排除的数据。
情节(f1, x, y, exclude1)标题(“拟合数据点1,10和25排除”）
图;情节(f2, x, y, exclude2)标题('与排除的x < 800的数据点拟合'）
对于具有排除点的曲面拟合示例，加载一些曲面数据并创建并绘制指定排除数据的拟合。
负载因特网F1 = fit([x y]，z，“poly23”，“排除”， [1 10 25]);F2 = fit([x y]，z，“poly23”，“排除”z > 1);图(f1， [x y]， z，“排除”， [1 10 25]);标题(“拟合数据点1,10和25排除”）
图(f2， [x y]， z，“排除”z > 1);标题(拟合数据点排除使z > 1）
拟合平滑样条曲线并返回拟合优度信息
加载一些数据，通过变量拟合平滑样条曲线月而且压力，并返回拟合信息和输出结构的优度。绘制拟合图和数据残差图。
负载enso；[曲线，良度，输出]=适合度(月，压力，“smoothingspline”）;情节(压力曲线、月);包含(“月”）;ylabel (“压力”）;
绘制残差与x数据的关系(月）.
Plot(曲线，月份，压力，“残差”)包含(“月”) ylabel (“残差”）
中的数据输出结构绘制残差与y数据的关系(压力）.
图(压力，输出，残差，“。”)包含(“压力”) ylabel (“残差”）
拟合单项指数
生成具有指数趋势的数据，然后使用指数模型曲线拟合库中的第一个方程(单项指数)拟合数据。画出结果。
X = (0:0.2:5)';Y = 2*exp(-0.2*x) + 0.5*randn(size(x));F = fit(x,y，“exp1”）;情节(f, x, y)
使用匿名函数拟合自定义模型
类中传递其他数据时，可以使用匿名函数适合函数。
加载数据并设置Emax来1在定义匿名函数之前:
数据= importdata(“OpioidHypnoticSynergy.txt”）;丙泊酚= data.data(:，1);瑞芬太尼= data.data(:，2);Algometry = data.data(:，3);Emax = 1;
将模型方程定义为匿名函数:
效果= @(IC50A, IC50B, alpha, n, x, y).．.Emax*(x/IC50A + y/IC50B + alpha*(x/IC50A)).．..* (y/IC50B))。^n ./(x/IC50A + y/IC50B +.．.*(x/IC50A). *(y/IC50B))。^n + 1);
使用匿名函数效果的输入适合函数，并绘制结果:
AlgometryEffect = fit([异丙酚，瑞芬太尼]，AlgometryEffect，效果，.．.曾经繁荣的， [2,10,1,0.8]，.．.“低”， [-Inf， -Inf， -5， -Inf]，.．.“稳健”，“守护神”)图(AlgometryEffect，[异丙酚，瑞芬太尼]，Algometry)
有关使用匿名函数和其他自定义模型进行拟合的更多示例，请参见fittype函数。
找出设置起点和边界的系数顺序
对于属性上，较低的,曾经繁荣，你需要找到系数项的顺序。
创建合适的类型。
Ft = fittype(" b * x ^ 2 + c * x +一个“）;
方法获取系数名称和顺序coeffnames函数。
coeffnames(英尺)
ans =3 x1细胞{'a'} {'b'} {'c'}
注意，这与用于创建的表达式中的系数顺序不同英国《金融时报》与fittype．
加载数据，创建拟合并设置起始点。
负载ensofit(月,压力,英国《金融时报》,曾经繁荣的, 1、3、5)
ans =一般模型:ans(x) = b*x^2+c*x+a系数(95%置信限):a = 10.94 (9.362, 12.52) b = 0.0001677 (-7.985e- 05,0.0004153) c = -0.0224 (-0.06559, 0.02079)
这将为系数分配初始值，如下所示:A = 1，B = 3，C = 5．
或者，您可以获得适合选项并设置起始点和下界，然后使用新选项进行改装。
选项= fitoptions(ft)
options =归一化:'off'排除:[]权重:[]方法:'非线性最小二乘'稳健:'off' StartPoint: [1x0 double]下:[1x0 double]上:[1x0 double]算法:'Trust-Region' DiffMinChange: 1.0000 -08 DiffMaxChange: 0.1000显示:'Notify' MaxFunEvals: 600 MaxIter: 400 TolFun: 1.0000 -06 TolX: 1.0000 -06
选项。StartPoint = [10 1 3];选项。较低的＝［0 -Inf 0]; fit(month,pressure,ft,options)
ans =一般模型:ans(x) = b*x^2+c*x+a系数(95%置信界限):a = 10.23 (9.448, 11.01) b = 4.335e-05 (-1.82e-05, 0.0001049) c = 5.523e-12(固定界限)
输入参数
输出参数
版本历史
R2006a之前介绍
另请参阅
应用程序
功能
您也可以从以下列表中选择一个网站: