对于仅为数值的约束,例如b> 0,您可以使用
'Lower'和
'Upper' bounds参数来指定它们.对于更复杂的关系,例如c b> a / 2,你必须采用像
James suggests这样的方法,将函数输出设置为像
flintmax这样的高值以产生大的错误.例如,假设我像这样定义我的函数:
function y = my_fcn(a, b, c, x)
if (c+b > a/2)
y = a.*exp(b.*x)+c;
else
y = flintmax().*ones(size(x));
end
end
我可以创建一组嘈杂的测试数据,如下所示:
a = 4;
b = 2;
c = 1;
x = (0:0.01:2).';
y = my_fcn(a, b, c, x) + 40.*(rand(size(x))-0.5);
params = fit(x, y, @(a, b, c, x) my_fcn(a, b, c, x), ...
'StartPoint', [1 1 1], ... % Starting guesses for [a b c]
'Lower', [-Inf 0 -Inf]); % Set bound for 'b'
params =
General model:
params(x) = my_fcn(a,b,c,x)
Coefficients (with 95% confidence bounds):
a = 4.297 (2.985, 5.609)
b = 1.958 (1.802, 2.113)
c = 0.1908 (-4.061, 4.442)
请注意,拟合值接近原始值,但由于噪声不完全匹配.我们可以像这样可视化拟合:
plot(x, y);
hold on;
plot(x, my_fcn(params.a, params.b, params.c, x), 'r');