MATLAB 数据拟合 (使用 polyfit 多项式曲线拟合、polyval)
解决数据拟合问题最重要方法是最小二乘法和回归分析。如,我们需要从一组测定的数据(例如N个点(xi,yi)(i=0,1,…,m))去求得自变量 x 和因变量 y 的一个近似解表达式 y=f(x),这就是由给定的 N 个点(xi,yi)(i=0,1,…,m)求数据拟合的问题。(注意数据拟合和数据插值是不同的,举个例子:因为测量数据往往不可避免地带有测试误差,而插值多项式又通过所有的点(xi,yi),这样就使插值多项式保留了这些误差,从而影响逼近精度,使得插值效果不理想)
所以使用最小二乘法曲线拟合法:即寻求已知函数的一个逼近函数y=f(x),使得逼近函数从总体与已知函数的偏差按某种方法度量能达到最小,而又不一定通过全部的点(xi,yi),这个时候就需要使用最小二乘法曲线拟合法。
数据拟合的具体做法是:对给定的数据(xi,yi)(i=0,1,…,m),在取定的函数类ϕ\phiϕ中使误差ri=p(xi)−yi(i=0,1,…,m)r_{i}=p\left(x_{i}\right)-y_{i}(i=0,1, \ldots, m)ri=p(xi)−yi(i=0,1,…,m)的平方和最小,即
[∑i=0mri2=∑i=0m[p(xi−yi)]2]min\left[\sum_{i=0}^{m} r_{i}^{2}=\sum_{i=0}^{m}\left[p\left(x_{i}-y_{i}\right)\right]^{2}\right]_{\min }[i=0∑mri2=i=0∑m[p(xi−yi)]2]min
从几何意义讲,即寻求与给定点 xi−yi(i=0,1,…,m)x_{i}-y_{i}(i=0,1, \ldots, m)xi−yi(i=0,1,…,m) 的距离平方和为最小的曲线y=p(x)。函数p(x)称为拟合函数或最小二乘解,求拟合函数p(x)的方法称为曲线拟合的最小二乘法。
在曲线拟合中,函数类 ϕ\phiϕ 可有不同的选取方法。
MATLAB工具箱中提供了最小二乘拟合函数 polyfit() -->多项式曲线拟合
具体调用格式有三种:
- P = polyfit(X,Y,N)
- [P,S] = polyfit(X,Y,N)
- [P,S,MU] = polyfit(X,Y,N)
(1)P = polyfit(X,Y,N) 返回次数为 n 的多项式 p(x) 的系数,该阶数是 y 中数据的最佳拟合(在最小二乘方式中)。p 中的系数按降幂排列,p 的长度为 n+1.
其中 X 为输入的向量x,Y 为得到的函数值,N 表示拟合的最高次数,返回的P值为拟合的多项式:
P(1)×Xn+P(2)×Xn−1+…+P(N)×X+P(N+1)P(1) \times X^{n}+P(2) \times X^{n-1}+\ldots+P(N) \times X+P(N+1)P(1)×Xn+P(2)×Xn−1+…+P(N)×X+P(N+1)
(2) [P,S] = polyfit(X,Y,N)还返回一个结构体 S,S可用作 polyval 的输入来获取误差估计值(S为由范德蒙矩阵的QR分解的R分量)。
其中 X 为输入的向量x,Y 为得到的函数值,N 表示拟合的最高次数,返回的P值为拟合的多项式:
P(1)×Xn+P(2)×Xn−1+…+P(N)×X+P(N+1)P(1) \times X^{n}+P(2) \times X^{n-1}+\ldots+P(N) \times X+P(N+1)P(1)×Xn+P(2)×Xn−1+…+P(N)×X+P(N+1)
(3)[P,S,MU] = polyfit(X,Y,N)还返回 mu,mu是一个二元素向量,包含中心化值和缩放值。mu(1) 是 mean(x),mu(2) 是 std(x)。使用这些值时,polyfit 将 x 的中心置于零值处并缩放为具有单位标准差:
x^=x−xˉσx\hat{x}=\frac{x-\bar{x}}{\sigma_{x}}x^=σxx−xˉ
这种中心化和缩放变换可同时改善多项式和拟合算法的数值属性。
下面来看一些具体的例子:(来源于帮助文档,改编)
- 将多项式与三角函数拟合:
在区间 [0,4*pi] 中沿余弦曲线生成 10 个等间距的点。
>> x = linspace(0,4*pi,10);
>> y = cos(x);
使用 polyfit 将一个 7 次多项式与这些点拟合。
>> p = polyfit(x,y,7);
在更精细的网格上计算多项式并绘制结果图。
>> x1 = linspace(0,4*pi);
>> y1 = polyval(p,x1);
>> figure
>> plot(x,y,'o')
>> hold on
>> plot(x1,y1,'m')
>> hold off
运行结果如下:
- 将多项式与点集拟合
创建一个由区间 [0,1] 中的 5 个等间距点组成的向量,并计算这些点处的 y(x)= (2+x)^-1 。
>> x=0:0.2:1; //或者写成 >> x=0:0.2:1; 也可以实现相同的作用
>> y = 1./(2+x);
将 4 次多项式与 5 个点拟合。通常,对于 n 个点,可以拟合 n-1 次多项式以便完全通过这些点。
>> p = polyfit(x,y,4);
在由 0 和 2 之间的点组成的更精细网格上计算原始函数和多项式拟合。
>> x1 = linspace(0,2);
>> y1 = 1./(2+x1);
>> f1 = polyval(p,x1);
在更大的区间 [0,2] 中绘制函数值和多项式拟合,其中包含用于获取以圆形突出显示的多项式拟合的点。多项式拟合在原始 [0,1] 区间中的效果较好,但在该区间外部很快与拟合函数出现差异。
>> figure
>> plot(x,y,'o')
>> hold on
>> plot(x1,y1)
>> plot(x1,f1,'b--')
>> legend('y','y1','f1')
运行结果如下:
- 对误差函数进行多项式拟合:
首先生成 x 点的向量,在区间 [0,1.5*pi] 内等间距分布;然后计算这些点处的 erf(x)。
注:erf 是误差函数,也称高斯误差函数。
x = (0:0.10:1.5*pi)';y=erf(x);
确定6次逼近多项式的系数。
p=polyfit(x,y,6)
p =
0.0019 -0.0259 0.1242 -0.1785 -0.3442 1.2684 -0.0095
为了查看拟合情况如何,在各数据点处计算多项式,并生成说明数据、拟合和误差的一个表。
f=polyval(p,x);
T=table(x,y,f,y-f,'VariableNames',{'X','Y','Fit','FitError'})
T =
48×4 table
X Y Fit FitError
___ _______ __________ ___________0 0 -0.0094811 0.0094811
0.1 0.11246 0.11375 -0.0012876
0.2 0.2227 0.22919 -0.0064911
0.3 0.32863 0.33619 -0.0075599
0.4 0.42839 0.43431 -0.005914
0.5 0.5205 0.52334 -0.0028408
0.6 0.60386 0.60326 0.00059392
0.7 0.6778 0.6742 0.0035981
0.8 0.7421 0.73643 0.0056695
0.9 0.79691 0.79033 0.00657941 0.8427 0.83637 0.0063316
1.1 0.88021 0.8751 0.0051058
1.2 0.91031 0.90712 0.003194
1.3 0.93401 0.93307 0.00093826
1.4 0.95229 0.95361 -0.001323
1.5 0.96611 0.9694 -0.0032971
...
在该区间中,插值与实际值非常符合。创建一个绘图,以显示在该区间以外,外插值与实际数据值如何快速偏离。
x1=(0:0.10:2*pi)';y1=erf(x1);f1=polyval(p,x1);plot(x,y,'o')plot(x1,y1,'-')hold onplot(x1,y1,'-')plot(x1,f1,'g-')axis([0 5.5 0 3])
- 使用中心化和缩放改善数值属性
创建一个由 1750 - 2000 年的人口数据组成的表,并绘制数据点。
year = (1750:25:2000)';pop = 1e6*[791 856 978 1050 1262 1544 1650 2532 6122 8170 11560]';T = table(year, pop)
T =
11×2 table
year pop
____ _________1750 7.91e+08
1775 8.56e+08
1800 9.78e+08
1825 1.05e+09
1850 1.262e+09
1875 1.544e+09
1900 1.65e+09
1925 2.532e+09
1950 6.122e+09
1975 8.17e+09
2000 1.156e+10
plot(year,pop,'square')
使用带三个输入的 polyfit 拟合一个使用中心化和缩放的 5 次多项式,这将改善问题的数值属性。polyfit 将 year 中的数据以 0 为进行中心化,并缩放为具有标准差 1,这可避免在拟合计算中出现病态的 Vandermonde (范德蒙)矩阵。
[p,~,mu] = polyfit(T.year, T.pop, 5);
使用带四个输入的 polyval,根据缩放后的年份 (year-mu(1))/mu(2) 计算 p。绘制结果对原始年份的图。
f = polyval(p,year,[],mu);
hold on
plot(year,f)
- 简单线性回归
将一个简单线性回归模型与一组离散二维数据点拟合。
创建几个由样本数据点 (x,y) 组成的向量。对数据进行一次多项式拟合。
>> x=1:40;
>> y=0.4*x-1.5*randn(1,60);
注意:这里 矩阵维度必须一致。 所以第二行代码的输入是错误的y=0.4*x-1.5*randn(1,40);p=polyfit(x,y,1);
计算在 x 中的点处拟合的多项式 p。用这些数据绘制得到的线性回归模型。
f = polyval(p,x); plot(x,y,'o',x,f,'-')legend('data','linear fit')
- 具有误差估计值的线性回归
将一个线性模型拟合到一组数据点并绘制结果,其中包含预测区间为 95% 的估计值。
创建几个由样本数据点 (x,y) 组成的向量。使用 polyfit 对数据进行一次多项式拟合。指定两个输出以返回线性拟合的系数以及误差估计结构体。
x = 1:100;
y = -0.3*x + 2*randn(1,100);
[p,S] = polyfit(x,y,1);
计算以 p 为系数的一次多项式在 x 中各点处的拟合值。将误差估计结构体指定为第三个输入,以便 polyval 计算标准误差的估计值。标准误差估计值在 delta 中返回。
[y_fit,delta] = polyval(p,x,S);
绘制原始数据、线性拟合和 95% 预测区间 y±2Δy \pm 2 \Deltay±2Δ。
plot(x,y,'go')
hold on
plot(x,y_fit,'r-')
plot(x,y_fit+2*delta,'m--',x,y_fit-2*delta,'m--')
title('Linear Fit of Data with 95% Prediction Interval')
legend('Data','Linear Fit','95% Prediction Interval')
- 输入参数解释:
- x – 查询点 (向量)
查询点,指定为一个向量。x 中的点对应于 y 中包含的拟合函数值。如果 x 不是向量,则 polyfit 将其转换为列向量 x( : )。MATLAB 数据拟合 (使用 polyfit 多项式曲线拟合、polyval)相关推荐
- MATLAB中的利用polyfit()函数与polyval()函数拟合
当前有数据集 x = 0 : 1 : 21; y = [3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76 92 76.5 123.2 131. ...
- (每日一练)MATLAB数据拟合
今天就的学习内容是数据拟合. 数据拟合也称为曲线拟合,是一种把现有数据透过数学方法来代入一条数式的表示方式.科学和工程问题可以通过诸如采样.实验等方法获得若干离散的数据,根据这些数据,我们往往希望得到 ...
- matlab数据拟合工具箱的应用(转载)
数据拟合工具箱笔记 在matlab中做数据拟合是非常常见的事,而又以多项式拟合最为常用,下面简单介绍一下常见的多项式拟合的方法: 多项式拟合 1. 多项式拟合命令 x=[1 2 3 4 5 6 7 8 ...
- matlab数据拟合语句,Matlab数据拟合程序 - 范文中心
课程设计名称: 设计二:数据拟合 指导教师: 张莉 课程设计时数: 6 课程设计设备:安装了Matlab .C ++软件的计算机 课程设计日期: 实验地点: 第五教学楼北902 课程设计目的: 1. ...
- matlab 数据拟合
数据拟合 clc,clear; x=[0.5,1.0,1.5,2.0,2.5,3.0]; y=[1.75,2.45,3.81,4.80,7.00,8.60]; p=polyfit(x,y,2); x1 ...
- c++ 三次多项式拟合_最小二乘法多项式曲线拟合数学原理及其C++实现
本文使用 Zhihu On VSCode 创作并发布 0 前言 自动驾驶开发中经常涉及到多项式曲线拟合,本文详细描述了使用最小二乘法进行多项式曲线拟合的数学原理,通过样本集构造范德蒙德矩阵,将一元 N ...
- matlab求偏态系数,Matlab数据拟合正太分布与偏态分布
这是图片灰度值的一行, Y1=[7 7 7 7 7 7 7 7 8 8 8 7 7 7 7 7 7 8 8 8 8 8 8 8 7 8 8 9 9 9 9 10 10 10 10 10 10 10 1 ...
- matlab简单拟合,polyfit和curve fit tool(鱼的质量与身长和腰围的关系)
在下小白,只会用简单的curve fit中的polynomial和equation,这里简单介绍了一下用工具箱,poly fit函数拟合和计算相对误差的方法,模型建立如有不合理之处,纯属为了练手而建模 ...
- matlab表达一次函数,[转载]MATLAB数据拟合例子(一次函数、指数函数、双曲线)...
一次函数:(a+bx = y) %先求出拟合函数 format long; x = [2001 2002 2003 2004 2005 2006 2007 2008 2009]; y = [32.2 ...
- 双曲线matlab函数拟合,matlab怎么拟合双曲线
储存着各离散点的横坐标和纵坐标,则在 MATLAB 中直接键入命令 cftool(X,Y) 就会弹出 Curve Fitting Tool 的 GUI 界面,点击界面上的 fitting 即可开始曲线 ...
最新文章
- HDU2594 KMP next数组的应用
- 求表达式 f(n)的结果
- 关于 屏幕阅读器 和 sr-only
- (Java常用类)Object类
- 【学习笔记】OI模板整理
- Spring 的核心API
- 一种非常实用的系统掉电检测和保护电路---摘自:周立功单片机
- Timus1286(欧几里德算法的应用)
- 标志位鼠标Java_检查标志位java
- 行列式、LGV、矩阵树学习笔记
- QT安装配置是注意事项
- C# LINQ学习笔记四:LINQ to OBJECT之操作文件目录
- (转) 分布式文件存储FastDFS(一)初识FastDFS
- 华为笔记本支持鸿蒙,华为 EMUI11 多屏协同说明新增支持鸿蒙 2.0 手机连接
- 新概念_please send me a card.
- ES Search After 分页查询
- net 去掉第一位和最后一位_2020最后三个月港剧有咩睇?熟女强人首播!
- python删除数据框中的字符串列_如何根据条件删除pandas数据框中的列?
- VMware15 Pro激活密钥
- SQL SERVER 2000 自动下载木马病毒 cmd.exe和ftp.exe解决办法
热门文章
- MATLAB中的利用polyfit()函数与polyval()函数拟合