内容简介:假设当前有一组身高数据,与其对应的有一组体重数据,我们要分析两者之间是否有某种关联,这时就需要用到曲线拟合函数这里介绍两个函数,一个是画散点图的函数
polyfit()
假设当前有一组身高数据,与其对应的有一组体重数据,我们要分析两者之间是否有某种关联,这时就需要用到曲线拟合函数 polyfit
,其调用格式为: fit=polyfit(xdata,ydata,n)
,其中 n
表示多项式的最高阶数, xdata
, ydata
为将要拟合的数据,输出的参数 fit 为 n+1 个系数,一般情况 polyfit
与 polyval
一起使用,进行绘图
x = [-1.2 -0.5 0.3 0.9 1.0 2.6 3.0 3.5]; y = [-15.6 -8.5 2.2 4.5 6.6 8.2 8.9 10.0]; fit = polyfit(x,y,7); xfit = x(1):0.1:x(end); yfit = polyval(fit,xfit); plot(x,y,'ro',xfit,yfit);
scatter() & corrcoef()
这里介绍两个函数,一个是画散点图的函数 scatter
,其调用格式为: scatter(xdata,ydata)
另一个是求出x-y之间线性系数大小的函数 corrcoef
,其调用格式为: corrcoef(xdata,ydata)
,这里要说明一点, corrcoef
函数返回的是一个2*2的矩阵,(1,1)和(2,2)分别是 x-x
和 y-y
的相关系数,必定是 1,(1,2)和(2,1)分别是 x-y
和 y-x
的相关系数,必定相等
x = [-1.2 -0.5 0.3 0.9 1.0 2.6 3.0 3.5]; y = [-15.6 -8.5 2.2 4.5 6.6 8.2 8.9 10.0]; scatter(x,y); corrcoef(x,y)
regress()
Regress
函数的作用也是做数据拟合,只不过它所呈现的信息更多,其调用格式为: [b,bint,r,rint,stats] = regress(y,x,alpha)
- y:多元拟合的变量值的向量
- x 多元拟合的自变量的值的矩阵
- alpha:显著性水平,缺省的时候为 0.05
- b:回归得到的自变量系数
- bint:b 的 95% 的置信区间矩阵
- r:残差向量
- rint:区间矩阵
插值
拟合与插值不同的地方在于,拟合出的函数曲线不一定会经过所有的点,只能说大概呈现一个趋势,而插值一定会经过所有的数据点
插值的作用:比如我们已知 t=1 时a=2,t=2 时a=3,那么 t=1.5 时a = 多少呢?所以插值就是帮助我们求某处的数据值
其调用格式为: yi=interp1(x,y,xi)
,其中,x,y 是我们已知的数据值,我们现在要求,经过一系列(x,y)点的曲线在 xi 时对应的 yi 值
语法形式 | 说明 |
---|---|
y=interp1(x,Y,xi) |
由已知点集 (x,Y) 插值计算 xi 上的函数值 |
y=interp1(x,Y,xi) |
相当于 x=1:length(Y) 的 interp(x,Y,xi) |
y=interp1(x,Y,xi,method) |
用指定插值方法计算插值点 xi 上的函数值
y=interp1(x,Y,xi,method,'extrap')
| 对 xi 中超出已知点集的插值点用指定插值方法计算函数值
y=interp1(x,Y,xi,method,'extrap',extrapval)
| 用指定方法插值 xi 上的函数值,超出已知点集处函数值取 extrapval
y=interp1(x,Y,xi,method,'pp')
|
用指定方法插值,但返回结果为分段多项式
Method | 方法描述 |
---|---|
Nearest | 最邻近插值: 插值点处函数值与插值点最邻近的已知点函数值相等 |
liner | 分段线性插值:插值点处函数值由连接其最邻近的两侧点的线性函数预测。Matlab 中 interp1 的默认方法 |
spline | 样条插值:默认为三次样条插值。可用 spline 函数替代 |
pchip | 三次 Hermite 多项式插值,可用 pchip 函数替代 |
Nearest Spline Cubic
x = 0 : 2 * pi; y = sin(x); xx = 0 : 0.5 : 2 * pi; %interp1对sin函数进行分段线性插值,调用interp1的时候,默认的是分段线性插值 y1 = interp1(x,y,xx); subplot(2,2,1);plot(x,y,'o',xx,y1,'r'); title('分段线性插值') %临近插值 y2 = interp1(x,y,xx,'nearnest'); subplot(2,2,2);plot(x,y,'o',xx,y2,'r'); title('邻近插值') %球面线性插值 y3 = interp1(x,y,xx,'spline'); subplot(2,2,3);plot(x,y,'o',xx,y3,'r'); title('球面线性插值') %三次多项式插值 y4 = interp1(x,y,xx,'PCHIP'); subplot(2,2,4);plot(x,y,'o',xx,y4,'r'); title('三次多项式插值')
插值不止可以用于平面,还可以用于三维图,函数是 interp2
,参数及方法类似, zi = interp2(x,y,z,xi,yi,method)
,有需要的可以去Google
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- Flutter 布局控件完结篇
- Laravel核心解读--完结篇
- 微信小程序教程04:API(完结)
- ES6 —项目综合实战(完结篇)
- 如何建立有效的 API 安全策略(完结篇)
- 已完结 | 如何高级地对抗恶意程序的糖衣炮弹?
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。