关于matlab中 patch的用法

Posted 2023-03-20

要用patch方法生成一个正十二面体,已知 x = (1+sqrt(5))/2; v=[0 1/x x;0 1/x -x; 0 -1/x x; 0 -1/x -x; 1/x x 0;1/x -x 0;-1/x x 0; -1/x -x 0; x 0 1/x;x 0 -1/x;-x 0 1/x; -x 0 -1/x; 1 1 1; 1 1 -1;1 -1 -1;1 -1 1; -1 1 1; -1 1 -1; -1 -1 1; -1 -1 -1;]; % 以正十二面体的中心为(0,0,0)时每个顶点的坐标； f=[]; patch('Faces',f,'Vertices',v,'FaceColor','b'); view(30,30) axis equal 想知道 f=[]里面要填的具体数字,尽快回答谢谢,在线等!

参考技术A PATCH Create patch. PATCH(X,Y,C) adds the "patch" or filled 2-D polygon defined by vectors X and Y to the current axes. If X and Y are matrices of the same size, one polygon ("face") per column is added. C specifies the color of the face(s) ("flat" coloring), or the vertices ("interpolated" coloring), for which bilinear interpolation is used to determine the interior color of the polygon. For both vector or matrix X and Y, if C is a string, each face is filled with 'color'. 'color' can be 'r','g','b','c','m','y', 'w', or 'k'. If C is a scalar it specifies the color of the face(s) by indexing into the colormap. A 1x3 vector C is always assumed to be an RGB triplet specifying a color directly. For vector X and Y, if C is a vector of the same length, it specifies the color of each vertex as indices into the colormap and bilinear interpolation is used to determine the interior color of the polygon ("interpolated" shading). When X and Y are matrices, if C is a 1xn, where n is the number of columns in X and Y, then each face j=1:n is flat colored by the colormap index C(j). Note the special case of a 1x3 C is always assumed to be an RGB triplet ColorSpec and specifies the same flat color for each face. If C is a matrix the same size as X and Y, then it specifies the colors at the vertices as colormap indices and bilinear interpolation is used to color the faces. If C is 1xnx3, where n is the number of columns of X and Y, then each face j is flat colored by the RGB triplet C(1,j,:). If C is mxnx3, where X and Y are mxn, then each vertex (X(i,j),Y(i,j)) is colored by the RGB triplet C(i,j,:) and the face is colored using interpolation. PATCH(X,Y,Z,C) creates a patch in 3-D coordinates. Z must be the same size as X and Y. PATCH returns a handle

matlab中predict函数用法

时间序列分析中如何利用predict进行预测，我计算时输出结果和原始观测数据一样多，如何控制使其只预测出1个或X个结果？
求救高手，谢谢

1、先介绍这个求乘函数的prod的语法格式，如图所示

2、现在创建一个向量和一个矩阵。

3、先说一下关于一维矩阵（向量）的使用。

4、说一下按行相乘的使用。

5、最后实验输入input = 0.9 -> 1, 1.2 -> 2, 1.5 -> 3, 2.8 -> 4, 3.9 -> 6p = Predict[input]。

6、基本使用方法就是Predict[a->b],a为原来的，b为指向的输入后按shift+enter,会自动使用一种预测函数。就完成了。

参考技术A clc, clear
a=[ ];
a=a'; a=a(:); a=a'; %把原始数据按照时间顺序展开成一个行向量
Rt=tiedrank(a) %求原始时间序列的秩
n=length(a); t=1:n;
Qs=1-6/(n*(n^2-1))*sum((t-Rt).^2) %计算Qs的值
t=Qs*sqrt(n-2)/sqrt(1-Qs^2) %计算T统计量的值
t_0=tinv(0.975,n-2) %计算上alpha/2分位数
b=diff(a) %求原始时间序列的一阶差分
m=ar(b,2,'ls') %利用最小二乘法估计模型的参数
bhat=predict(m,[b'; 0],1) %1步预测，样本数据必须为列向量,要预测1个值，b后要加1个任意数，1步预测数据使用到t-1步的数据
ahat=[a(1),a+bhat1'] %求原始数据的预测值，并计算t=15的预测值
delta=abs((ahat(1:end-1)-a)./a) %计算原始数据预测的相对误差
Predict 函数为指定列返回一个或一组预测值。
　　语法：
　　Predict(<scalar column reference>, [option1], [option2], [option n], [INCLUDE_NODE_ID], n)
　　Predict(<table column reference>, [option1], [option2], [option n], [INCLUDE_NODE_ID], n)

　　适用范围：标量列引用或表列引用。
　　返回类型：
　　<scalar column reference>
　　或者
　　<table column reference>
　　返回类型取决于应用此函数的列的类型。

　　注释：
　　选项包括 EXCLUDE_NULL（默认值）、INCLUDE_NULL、INCLUSIVE、EXCLUSIVE（默认值）、INPUT_ONLY 和 INCLUDE_STATISTICS。

　　注意：对于时序模型，Predict 函数不支持 INCLUDE_STATISTICS。

　　INCLUDE_NODE_ID 参数在结果中返回 $NODEID 列。 NODE_ID 是为特定事例而对其执行预测的内容节点。 对表列使用 Predict 时，此参数是可选的。
　　n 参数适用于表列。 该参数根据预测类型设置返回的行数。 如果基础列是序列，则该参数将调用 PredictSequence 函数。 如果基础列是时序，则该参数将调用PredictTimeSeries 函数。 对于关联类型的预测，该参数将调用 PredictAssociation 函数。
　　Predict 函数支持多态性。
　　下面的替代缩写形式较为常用：
　　[Gender] 用于替代 Predict([Gender], EXCLUDE_NULL)。
　　[Products Purchases] 用于替代 Predict([Products Purchases], EXCLUDE_NULL, EXCLUSIVE)。

　　注意：此函数的返回类型本身被视为列引用。 也就是说，可将 Predict 函数用作以列引用作为参数的其他函数（Predict 函数本身除外）的参数。

　　将 INCLUDE_STATISTICS 传递给对表值列的预测时，将在生成的表中添加 $Probability 和 $Support 列。 这些列说明了关联的嵌套表记录的存在概率。

　　示例：
　　SELECT Predict([Association].[v Assoc Seq Line Items],INCLUDE_STATISTICS,4) FROM [Association] 参考技术B clc, clear
a=[ ];
a=a'; a=a(:); a=a'; %把原始数据按照时间顺序展开成一个行向量
Rt=tiedrank(a) %求原始时间序列的秩
n=length(a); t=1:n;
Qs=1-6/(n*(n^2-1))*sum((t-Rt).^2) %计算Qs的值
t=Qs*sqrt(n-2)/sqrt(1-Qs^2) %计算T统计量的值
t_0=tinv(0.975,n-2) %计算上alpha/2分位数
b=diff(a) %求原始时间序列的一阶差分
m=ar(b,2,'ls') %利用最小二乘法估计模型的参数
bhat=predict(m,[b'; 0],1) %1步预测，样本数据必须为列向量,要预测1个值，b后要加1个任意数，1步预测数据使用到t-1步的数据
ahat=[a(1),a+bhat1'] %求原始数据的预测值，并计算t=15的预测值
delta=abs((ahat(1:end-1)-a)./a) %计算原始数据预测的相对误差 参考技术C 你的这个问题是怎么解决的，能不能说一下，谢谢~~