Matlab拟合工具箱的使用

 

1.打开 CFTOOL 工具箱。g",点开"Curve Fitting Tool",出现数据拟合工具界面,基本上所有的数据拟合和回归分析都可以在这里进行。也可以在命令窗口中直接输入”cftool”,打开工具箱。 

2.输入两组向量 x,y。 
首先在 Matlab 的命令行输入两个向量,一个向量是你要的x坐标的各个数据,另外一个是你要的 y坐标的各个数据。输入以后假定叫 x向量与 y向量,可以在workspace 里面看见这两个向量,要确保这两个向量的元素数一致,如果不一致的话是不能在工具箱里面进行拟合的。 
例如在命令行里输入下列数据: 
x = [196,186, 137, 136, 122, 122, 71, 71, 70, 33]; 
y=[0.012605,0.013115,0.016866,0.014741,0.022353,0.019278,0.041803,0.038026,0.038128,0.088196]; 

 

3.数据的选取。

 

4.曲线拟合(幂函数 power)。 

取拟合或回归类型,各个类型的拟合或回归相应的分别是: 
Custom Equations 用户自定义函数 
Expotential e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,移动平均等类型的拟合 
Polynomial 多项式函数 
Power 幂函数 
Rational 有理函数
Smooth Spline (光滑插值或者光滑拟合,不太清楚) 
Sum of sin functions 正弦函数类 
Weibull 威布尔函数

 

5.拟合后的结果信息。

在 Fitting对话框中的 Results文本框中显示有此次
拟合的主要统计信息,主要有 
General model of sin1: 
....... (函数形式) 
Coefficients (with 95% conffidence range) (95%置信区间内的拟合常数) 
a1=... ( ... ...) (等号后面是平均值,括号里是范围) 
.... 
Godness of fit: (统计结果) 
SSE: ... (方差) 
R-squared: ... (决定系数,不知道做什么的) 
Adjusted R-squared: ... (校正后的决定系数,如何校正的不得而知) 
RMSE: ... (标准差) 

 

for example:

Linear model Poly4:
     f(x) = p1*x^4 + p2*x^3 + p3*x^2 + p4*x + p5
Coefficients (with 95% confidence bounds):
       p1 =       -0.26  (-8.731, 8.211)
       p2 =       1.704  (-57.78, 61.19)
       p3 =      -3.168  (-146.7, 140.4)
       p4 =       3.943  (-133.2, 141)
       p5 =        0.35  (-41.52, 42.22)

Goodness of fit:
  SSE: 0.1429
  R-square: 0.9959
  Adjusted R-square: 0.9796
  RMSE: 0.378

 

7.图片导出。另外要说的是,如果想把这个拟合的图像导出的话,在 Curve 
Fitting Tool窗口的 File菜单下选Print to Figure,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,
选择好合适的格式,一般是 jpeg,选择好路径,点击 OK就可以了。出来的图像
可以在Word等编辑环境中使用,就不多说了。 
要修改图像的性质,如数据点的大小、颜色等等的,只需要在对象上点右键,就
差不多可以找到了。 
另外使用程序来进行曲线拟合: 
p=polyfit(xdata,ydata,n) n 为选取的方法 
a=polyval(p,xdata) 进行曲线拟合后计算所得到得值 
可以将拟合曲线与源曲线画出来: 
plot(xdata,ydata,'b*',xdata,a,'r-') 
legend('ydata','fit'); 

©️2020 CSDN 皮肤主题: 编程工作室 设计师:CSDN官方博客 返回首页