怎么用matlab进行非线性的多元函数拟合?

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了怎么用matlab进行非线性的多元函数拟合?相关的知识,希望对你有一定的参考价值。

如题,请教各位高手,怎么用matlab进行非线性的多元函数拟合?

例如:

因变量y 自变量 X1 X2 X3 X4
1658 111 717 153 25319
1797 122 826 184 37829
1850 137 958 206 42232
2205 146 1004 247 56584
可以拟合为线性y=a*x1+b*x2+c*x3+d*x4的形式以及非线性的形式。
不知道matlab里面有没有函数可以拟合上面的函数,拜托高手赐教!

谢谢各位
分别第一列是y的值,第二列示x1的值,第三列示x2的值,第四列示x3的值,最后一列是x4的值。

方法一:

1、最常用的是多项式拟合,采用polyfit函数,在命令窗口输入自变量x和因变量y。

2、以二次多项式拟合为例,输入p=polyfit(x,y,2),如果想拟合更高次的多项式,更换括号内数字即可。

通过计算获得的p,是一个数组,对应了多项式的各项系数,以图中为例,拟合出的多项式为:y=0.9962x2+0.0053x-0.2833。

方法二:

1、首先,在上方工具栏选取APPS,点击curvefitting。输入自变量x和因变量y。

2、选择拟合方式,有多项式拟合polynomial,高斯拟合gaussian,幂指数拟合power等等,本次以多项式拟合为例。

3、通过数据计算,可以获得曲线参数(曲线函数中的各项系数),从而实现曲线拟合。

参考技术A matlab拟合工具箱cftool
%拟合数据曲线;线性最小二乘法是解决曲线拟合的最常用的方法,
%1、多项式拟合函数;p=polyfit(x,y,n);求p拟合函数在xi处的近似值pi=polyval(p,xi);
%2、利用常用矩阵的除法解决复杂函数的拟合;
%3、利用lsqcurvefit函数和lsqnonlin函数拟合;
%4、利用cftool工具箱,自定义编写函数再通过M文件导出的形式

http://phylab.fudan.edu.cn/doku.php?id=howtos:matlab:mt1-5

http://hi.baidu.com/zzz700/blog/item/f313a3f5869659b5a40f52d7.html英文参考

一、 单一变量的曲线逼近
Matlab有一个功能强大的曲线拟合工具箱 cftool ,使用方便,能实现多种类型的线性、非线性曲线拟合。下面结合我使用的 Matlab R2007b 来简单介绍如何使用这个工具箱。

假设我们要拟合的函数形式是 y=A*x*x + B*x, 且A>0,B>0。

1、在命令行输入数据:
》x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447 296.204 311.5475];
》y=[5 10 15 20 25 30 35 40 45 50];

2、启动曲线拟合工具箱
》cftool

3、进入曲线拟合工具箱界面“Curve Fitting tool”
(1)点击“Data”按钮,弹出“Data”窗口;
(2)利用X data和Y data的下拉菜单读入数据x,y,可修改数据集名“Data set name”,然后点击“Create data set”按钮,退出“Data”窗口,返回工具箱界面,这时会自动画出数据集的曲线图;
(3)点击“Fitting”按钮,弹出“Fitting”窗口;
(4)点击“New fit”按钮,可修改拟合项目名称“Fit name”,通过“Data set”下拉菜单选择数据集,然后通过下拉菜单“Type of fit”选择拟合曲线的类型,工具箱提供的拟合类型有:
Custom Equations:用户自定义的函数类型
Exponential:指数逼近,有2种类型, a*exp(b*x) 、 a*exp(b*x) + c*exp(d*x)
Fourier:傅立叶逼近,有7种类型,基础型是 a0 + a1*cos(x*w) + b1*sin(x*w)
Gaussian:高斯逼近,有8种类型,基础型是 a1*exp(-((x-b1)/c1)^2)
Interpolant:插值逼近,有4种类型,linear、nearest neighbor、cubic spline、shape-preserving
Polynomial:多形式逼近,有9种类型,linear ~、quadratic ~、cubic ~、4-9th degree ~
Power:幂逼近,有2种类型,a*x^b 、a*x^b + c
Rational:有理数逼近,分子、分母共有的类型是linear ~、quadratic ~、cubic ~、4-5th degree ~;此外,分子还包括constant型
Smoothing Spline:平滑逼近(翻译的不大恰当,不好意思)
Sum of Sin Functions:正弦曲线逼近,有8种类型,基础型是 a1*sin(b1*x + c1)
Weibull:只有一种,a*b*x^(b-1)*exp(-a*x^b)

选择好所需的拟合曲线类型及其子类型,并进行相关设置:
——如果是非自定义的类型,根据实际需要点击“Fit options”按钮,设置拟合算法、修改待估计参数的上下限等参数;
——如果选Custom Equations,点击“New”按钮,弹出自定义函数等式窗口,有“Linear Equations线性等式”和“General Equations构造等式”两种标签。

在本例中选Custom Equations,点击“New”按钮,选择“General Equations”标签,输入函数类型y=a*x*x + b*x,设置参数a、b的上下限,然后点击OK。

(5)类型设置完成后,点击“Apply”按钮,就可以在Results框中得到拟合结果,如下例:
general model:
f(x) = a*x*x+b*x

Coefficients (with 95% confidence bounds):
a = 0.009194 (0.009019, 0.00937)
b = 1.78e-011 (fixed at bound)

Goodness of fit:
SSE: 6.146
R-square: 0.997
Adjusted R-square: 0.997
RMSE: 0.8263

同时,也会在工具箱窗口中显示拟合曲线。

这样,就完成一次曲线拟合啦,十分方便快捷。当然,如果你觉得拟合效果不好,还可以在“Fitting”窗口点击“New fit”按钮,按照步骤(4)~(5)进行一次新的拟合。

不过,需要注意的是,cftool 工具箱只能进行单个变量的曲线拟合,即待拟合的公式中,变量只能有一个。对于混合型的曲线,例如 y = a*x + b/x ,工具箱的拟合效果并不好。下一篇文章我介绍帮同学做的一个非线性函数的曲线拟合。
上边对cftool工具箱做了很详尽的说明,但并没有对各种曲线拟合的性能做点评,在单变量曲线拟合中,如何选取一种最优化的拟合方式是非常重要的,我们在采用CFTOOL拟合后,会有一些性能说明,如:
Goodness of fit:
SSE: 6.146
R-square: 0.997
Adjusted R-square: 0.997
RMSE: 0.8263

官方的解释:
Results -- Displays detailed results for the current fit including the fit type (model, spline, or interpolant), the fitted coefficients and 95% confidence bounds for parametric fits, and these goodness of fit statistics:

SSE -- The sum of squares due to error. This statistic measures the deviation of the responses from the fitted values of the responses. A value closer to 0 indicates a better fit.

R-square -- The coefficient of multiple determination. This statistic measures how successful the fit is in explaining the variation of the data. A value closer to 1 indicates a better fit.

Adjusted R-square -- The degree of freedom adjusted R-square. A value closer to 1 indicates a better fit. It is generally the best indicator of the fit quality when you add additional coefficients to your model.

RMSE -- The root mean squared error. A value closer to 0 indicates a better fit.

Matlab曲面拟合和插值 AAAAAAAAAAA风云博客
http://xiaoqiang851224.blog.163.com/blog/#m=0&t=1&c=fks_084066080086083064084085083095087086083071083086086064
http://suhao198706.blog.163.com/blog/static/62173403201121095512602/?fromdm&fromSearch&isFromSearchEngine=yes

Matlab曲线拟合
http://xiaoqiang851224.blog.163.com/blog/static/30247003201153083539419/?fromdm&fromSearch&isFromSearchEngine=yes

多项式拟合函数polyfit之C语言的源码

http://xiaoqiang851224.blog.163.com/blog/static/30247003201010251055758/

matlab二元函数拟合;

http://zhidao.baidu.com/question/141374449.html?fr=qrl&cid=93&index=2

matlab非线性拟合1(指数函数)

http://apps.hi.baidu.com/share/detail/43922314
参考技术B 用regress函数,线性回归

A=[1658 111 717 153 25319
1797 122 826 184 37829
1850 137 958 206 42232
2205 146 1004 247 56584]

y=A(:,1),x=A(:,2:5)
B= REGRESS(y,x)
a=B(1),b=B(2),c=B(3),d=B(4)

结果:
A =

1658 111 717 153 25319
1797 122 826 184 37829
1850 137 958 206 42232
2205 146 1004 247 56584

y =

1658
1797
1850
2205

x =

111 717 153 25319
122 826 184 37829
137 958 206 42232
146 1004 247 56584

B =

53.3747
-5.4253
-7.3846
0.0297

a =

53.3747

b =

-5.4253

c =

-7.3846

d =

0.0297

检验

Y=x*B

Y =

1.0e+003 *

1.6580
1.7970
1.8500
2.2050

相关系数等于1,线性回归非常成功本回答被提问者采纳
参考技术C 用regress函数,线性回归
A=[165811171715325319
179712282618437829
185013795820642232
2205146100424756584]
y=A(:,1),x=A(:,2:5)
B=REGRESS(y,x)
a=B(1),b=B(2),c=B(3),d=B(4)
结果:
A=
165811171715325319
179712282618437829
185013795820642232
2205146100424756584
y=
1658
1797
1850
2205
x=
11171715325319
12282618437829
13795820642232
146100424756584
B=
53.3747
-5.4253
-7.3846
0.0297
a=
53.3747
b=
-5.4253
c=
-7.3846
d=
0.0297
检验
Y=x*B
Y=
1.0e+003*
1.6580
1.7970
1.8500
2.2050
相关系数等于1,线性回归非常成功

非线性曲线的matlab拟合?

我有以下数据:
x=【367 379 414 455 516 604 740 949】
y=【1.8350 1.7055 1.6560 1.5925 1.5480 1.5100 1.4800 1.4235】
可以画个折线图,现在要拟合成平滑曲线,polyfit拟合的不是很好,还有别的好办法拟合一下吗?我试了一些方法,不太理想,恳求高手不要空谈,给一些实践性的指点,如果不是很复杂,帮小弟调一下画个图看看,叩谢!!
请问不要求过每个点的那种拟合用什么函数?

x=[367   379   414   455   516   604   740   949];

y=[1.8350    1.7055    1.6560    1.5925    1.5480    1.5100     1.4800    1.4235];

h1=figure(1)

h2=subplot(2,2,1)

pp=spline(x,y); %三次样条插值函数拟合(左上图)

fnplt(pp)

h3=subplot(2,2,2)

p=polyfit(x,y,10);%多项式曲线拟合(右上图)

plot(x,y,'k-')

h4=subplot(2,2,3)

p=lagrange(x,y); %拉格朗日法拟合(左下图)

polyval(p,x);

plot(x,y,'k-')

多项式曲线与拉格朗日法拟合的曲线是比较平滑的

参考技术A

x=[367   379   414   455   516   604   740   949]

y=[1.8350    1.7055    1.6560    1.5925    1.5480    1.5100     1.4800    1.4235]

c=polyfit(x,y,5)

 plot([367:10:949],polyval(c,[367:10:949]))

 hold on

 plot(x,y,'*')

你要这样的代码试试啊,不是polyfit拟合不好,是你选的阶次不够高!

参考技术B

可用matlab曲线拟合工具箱,里面有各式各样的拟合函数可供选用...

x=[367   379   414   455   516   604   740   949]

y=[1.8350    1.7055    1.6560    1.5925    1.5480    1.5100     1.4800    1.4235]

cftool(x,y)

本回答被提问者采纳
参考技术C 匿名函数调用,把inline那一行改为,应该就OK
myfunc=@( beta, x) -beta(1)*max(x).*exp(-pi*(x-beta(2)).^2/beta(3).^2);

2楼基本上已经说到点上了,但是转换成(max(y))也是不可行的。num2str的变量为常数。例如
for n = 1:12
eval(['M' num2str(n) ' = magic(n)'])
end
最好还是写成具体的函数形式。

或者单个函数 function y=f(x)
或者匿名函数 fun=@(x) x.^2

以上是关于怎么用matlab进行非线性的多元函数拟合?的主要内容,如果未能解决你的问题,请参考以下文章

matlab求非线性拟合

用matlabBP神经网络做多元线性回归,求问各参数的拟合值怎么看?

如何用matlab线性回归分析?

如何用mathematica完成非线性函数的拟合

matlab非线性拟合问题

matlab二元非线性拟合?