Matlabcurvefittingtool的用法图文结合.docx
《Matlabcurvefittingtool的用法图文结合.docx》由会员分享，可在线阅读，更多相关《Matlabcurvefittingtool的用法图文结合.docx（11页珍藏版）》请在冰点文库上搜索。
Matlabcurvefittingtool的用法图文结合
Matlabcurvefittingtool的用法
MATLAB拟合工具箱可以方便地拟合一元函数。
我们先来构造一个带有误差的数据：
其中噪声Noise服从4倍标准正态分布：
，然后利用MATLAB拟合工具箱进行拟合。
在命令窗拷入以下代码
%产生模拟数据
x=-6:
0.2:
6;
y=7*sin（x）+x.^2-0.1*exp（x）+4*randn（size（x））;
%画出模拟数据曲线，颜色：
黑，线宽：
2,标记大小：
8，形状：
圆圈
plot（x,y,'Color','k','LineW',2,'MarkerSize',8,'Marker','o'）
%坐标字符大小16
set（gca,'FontS',16）
%在规定坐标位置加文字说明
text（-2,40,'y=7sin（x）+x^2-0.1e^x+Noise','FontS',16）
%坐标轴显示范围
axis（[-66-1550]）
fig1
拟合步骤如下：
1） 打开Curvefittingtool:
在命令窗中直接键入cftool，这时显示出拟合工具窗的GUI：
fig2
2） 选择Data，在XData和YData中选择数据，必要的话加上权数据，在Datasetname框中给你拟合的数据起名（例如xy），然后按Createdataset，则数据在拟合工具窗显现。
fig3
3） 按Fitting键，显示拟合编辑器：
fig4
我们从数据窗中看到了刚才保存的拟合数据xy。
在拟合曲线类型框（Typeoffit）中有很多类拟合函数形式，比如选中多项式后，下面的窗口会显示不同次数的多项式选项。
fig5
4） 如果Typeoffit中没有所需的拟合函数形式，就需要自己编写，这时，在Typeoffit中选择CustomEquation，顺序单击Newfit®New健，出现方程编辑框：
fig6
如果自编方程不是广义线性函数的形式，就选择GeneralEquation例如本题可写
给你的拟合函数起个名字，例如user1，以后遇到类似的函数形式拟合时，可以调用。
给定初值后按ok fig7
5） 在fitting窗中选择Apply 这时在图形窗显示拟合的结果的同时，results给出拟合结果：
fig8
这些结果包括：
Ø 拟合函数的形式；
Ø 参数的估计以及95%的置信区间。
其含义是：
如果拟合残差的分布是以0为期望值的正态分布，那么所给的区间有95%的可能性包含参数的真值。
Ø 拟合优度的判断。
关于拟合优度。
拟合窗的Fitoptions中可以对拟合算法、拟合区域、置信度以及参数初值等做出选择。
7） curvefittingtool->Analysis中可以根据给定的x值输出拟合值、一阶导数值、二阶导数值和积分的值，例如我们的拟合节点为从-6到6，间隔0.1,希望给出拟合值、一阶导数值和相应的图，则构选相应的功能，可得出下面的结果：
fig9
显然，以上数据可以单击界面上的Savetoworkspace键保存；fig10
fig1
fig2
fig3
fig4
fig5
fig6
fig7
fig8
fig9
fig10
在Matlab6.5以上的境况下，在左下方有一个"Start"按钮，好像Windows的最先菜单，点开它，在目次"Toolboxes"下有一个"CurveFitting"，点开"CurveFittingTool"，显露数据拟合东西界面，根基上全体的数据拟合和回归认识都可以在这边进行。
底下给你粗略先容一下它的使用方法。
首先在Matlab的夂箢行输入两个向量，一个向量是你要的x坐目标各个数据，其它一个是你要的y坐标的各个数据。
输入今后假如叫x向量与y向量，可以在workspace内里瞥见这两个向量，要保障这个向量的元素数类似，借使纷歧致的话是不行在工具箱里面进行拟合的。
比方在命令行里输入下列数据:
x=（0:
0.02:
0.98）';y=sin（4*pi*x+rand（size（x）））;此时x-y之间的函数相似的为正弦干系，频率为2，但是生活一个偏差项。
可以通过作图看出它们的大致分布:
plot（x,y,'*','markersize',2）;掀开曲线拟合共工具界面，点击最左边的"Data..."按钮，出现一个Data对话框，在DataSets页面里，在XData选项入选取x向量，YData选项中抉择y向量，如果两个向量的元素数相通，那么Createdataset按钮就激活了，此时点击它，天生一个数据组，映现鄙人方DataSets列表框中。
紧闭Data对话框。
此时CurveFittingTool窗口中显示出这一数据组的散点分布图。
点击Fitting...按钮，出现Fitting对话框，Fitting对话框分为两部门，上头为FitEditor，下面为TableofFits,有时刻窗口界面对比小，FitEditor部分会被收起来，只消把TableofFits上方的横条往下拉就可以看见FitEditor。
在FitEditor里面点击NewFit按钮，此时其下方的各个选框被激活，在DataSet选框中选中方才创办的x-y数据组，然后在Typeoffit选框中选取拟合或回归规范，各个类型的拟合或回归呼应的分别是：
CustomEquations用户自界说函数
Expotentiale指数函数
Fourier傅立叶函数，含有三角函数Gaussian正态分布函数，高斯函数Interpolant插值函数，含有线性函数，搬动均匀等类型的拟合Polynomial多项式函数Power幂函数Rational有理函数（不太了了，没有若何用过）SmoothSpline？
？
（润滑插值大概光滑拟合，不太清楚）Sumofsinfunctions正弦函数类Weibull威布尔函数（没用过）欠好兴趣，没有学过数理统计，以是许多器具都是用了才清楚，翻译也就不太正确。
不外在Typeoffit选框下方有一个列表框，基本上各个函数类里的函数都写成领会式列在下方以供选择，所以找符合的函数仍旧比较简单的。
在这个Typeoffit选框中选择好合适的类型，并选好合适的函数形式。
因而点击Apply按钮，就开始进行拟合或者回归了。
此时在CurveFittingTool窗口上就会出现一个拟合的曲线。
这即是所要的效率。
在上面的例子中，选择sumofsinfunctions中的第一个函数形式，点击Apply按钮，就可以看见拟合取得的正弦曲线。
在Fitting对话框中的Results文本框中显示有这回拟合的首要统计音信，主要有Generalmodelofsin1:
.......（函数形式）Coefficients（with95%conffidencerange）（95%致信区间内的拟合常数）a1=...（......）（等号后头是平均值，括号里是范畴）....Godnessoffit:
（统计结果）SSE:
...（方差）R-squared:
...（决计系数，不知道做什么的）AdjustedR-squared:
...（改良后的决定系数，如何校正的不得而知）RMSE:
...（模范差）上面的例子中颠末拟合得到的函数最终为y=0.9354*sin（12.36x+6.886）频率为1.98加减0.03，和向来创立的频率为2符合，相对误差为1.5%。
这曲直线拟合工具箱的一个最简单的使用方法，上面尚有很多效力，写是写不完的，本身参照这个基本的思绪，翻着英汉辞书，看着资助，然后一个按钮一个按钮的试吧。
另外要说的是，如果想把这个拟合的图像导出的话，在CurveFittingTool窗口的File菜单下选PrinttoFigure，此时弹出一个新的图像窗口，里面是你要导出的图像，在这个figure窗口的File菜单里再选Export，选择好合适的形式，寻常是jpeg，选择好途径，点击OK就可以了。
出来的图像可以在Word等编纂环境中使用，就未几说了。
要窜改图像的性子，如数据点的巨细、颜料等等的，只需求在东西上点右键，就差不多可以找到了。
”上面所说的X，Y向量就是样本点。
下面是转载的网址，期望有用途ilovematlab是个不错的论坛，我也是刚察觉，不过帮助很大，基本的题目在那城市有谜底。
谢谢了，我仍旧知道啦,通过图取样本点，X=[......],Y=[......]polyfit（X,Y,3）可以得到拟合函数进而得到概率分布函数,可以用newrb（）或其他函数！
不久前我做过一个尝试，是y=√x的拟合，可以稍稍修改下即可以下为我的源代码，希望有所帮助%已知y=x^（-1/2）,x分别取1:
9通过磨练拟合，猜想x=10和11时的y值clearall;P=1:
1:
9;T=P.^（1/2）;P2=1:
1:
11;T2=P2.^（1/2）;%神经元数逐渐加添,最多就是训练样本个数goal=1e-10;%训练误差的平方和（默以为0）spread=10;%此值越大,需要的神经元就越少（默许为1）MN=size（P,2）;%最大神经元数（默认为训练样本个数）DF=1;%显示隔断（默认为25）t1=clock;%计时开始net=newrb（P,T,goal,spread,MN,DF）;%trainingdatat=etime（clock,t1）%算计安排汇集所用的时候%----------------plot（P2,T2,'ro'）;%red'o'号显露确凿值holdonY=sim（net,P2）;%mse=mean（（T2-Y）.^2）%均方误差plot（P2,Y）;plot（P2,Y,'b*'）;%blue'*'号表示真实值x=10:
1:
11y=sim（net,x）holdoff
升级会员 