MATLAB基础语法之拟合算法
Posted 衾许°
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MATLAB基础语法之拟合算法相关的知识,希望对你有一定的参考价值。
%data1.mat数据如下
%导入data1的数据
- load data1
%以x为自变量,y为因变量,o为点的形状作散点图
- plot(x,y,'o')
% 给x和y轴加上标签
- xlabel('x的值')
- ylabel('y的值')
%返回data1数据行数n = 19
- n = size(x,1);
%最小二乘法求解拟合曲线参数
- k = (n*sum(x.*y)-sum(x)*sum(y))/(n*sum(x.*x)-sum(x)*sum(x))
- b = (sum(x.*x)*sum(y)-sum(x)*sum(x.*y))/(n*sum(x.*x)-sum(x)*sum(x))
% 继续在之前的图形上来画图形
- hold on
%显示网格线
- grid on%
% % 画出y=kx+b的函数图像 plot(x,y)
% % 传统的画法:模拟生成x和y的序列,比如要画出[0,5]上的图形
% xx = 2.5: 0.1 :7 % 间隔设置的越小画出来的图形越准确
% yy = k * xx + b % k和b都是已知值
% plot(xx,yy,'-')
% 匿名函数的基本用法。
% handle = @(arglist) anonymous_function
% 其中handle为调用匿名函数时使用的名字。
% arglist为匿名函数的输入参数,可以是一个,也可以是多个,用逗号分隔。
% anonymous_function为匿名函数的表达式。
% 举个小例子
- z=@(x,y) x^2+y^2;
- z(1,2) % ans = 5
% fplot函数可用于画出匿名一元函数的图形。
% fplot(f,xinterval) 将匿名函数f在指定区间xinterval绘图。xinterval = [xmin xmax] 表示定义域的范围
- f=@(x) k*x+b;
- fplot(f,[2.5,7]);
- legend('样本数据','拟合函数','location','SouthEast')
% y的拟合值
- y_hat = k*x+b;
% 回归平方和
- SSR = sum((y_hat-mean(y)).^2)
% 误差平方和
- SSE = sum((y_hat-y).^2)
% 总体平方和
- SST = sum((y-mean(y)).^2)
% 5.6843e-14 = 5.6843*10^-14 matlab浮点数计算的一个误差
- SST-SSE-SSR
%R^2越接近1,说明误差平方和越接近零,说明拟合效果越好。
- R_2 = SSR / SST
补充知识:(生成随机数矩阵)
1. randi : 产生均匀分布的随机整数(i = int)
%产生一个1至10之间的随机整数矩阵,大小为2x5;
s1 = randi(10,2,5)
%产生一个-5至5之间的随机整数矩阵,大小为1x10;
s2 = randi([-5,5],1,10)
2.rand: 产生0至1之间均匀分布的随机数
%产生一个0至1之间的随机矩阵,大小为1x5;
s3 = rand(1,5)
%产生一个a至b之间的随机矩阵,大小为1x5; % a + (b-a) * rand(1,5); 如:a,b = 2,5
s4= 2 + (5-2) * rand(1,5)
3.normrnd:产生正态分布的随机数
%产生一个均值为0,标准差(方差开根号)为2的正态分布的随机矩阵,大小为3x4;
s5 = normrnd(0,2,3,4)
4.roundn—任意位置四舍五入
% 0个位 1十位 2百位 -1小数点后一位
a = 3.1415
roundn(a,-2) % ans = 3.1400
roundn(a,2) % ans = 0
a =31415
roundn(a,2) % ans = 31400
roundn(5.5,0) %6
roundn(5.5,1) %10
5.人口预测例题
- year = 1790:10:2000;
- population = [3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76.0,92.0,106.5,123.2,131.7,150.7,179.3,204.0,226.5,251.4,281.4];
- plot(year,population,'o')
- cftool % 拟合工具箱
(1) X data 选择 year
(2) Y data 选择 population
(3) 拟合方式选择:Custom Equation (自定义方程)
(4) 修改下方的方框为:x = f(t) = xm/(1+(xm/3.9-1)*exp(-r*(t-1790)))
(5) 左边的result一栏最上面显示:Fit computation did not converge:即没有找到收敛解,右边的拟合图形也表明拟合结果不理想
(6) 点击Fit Options,修改非线性最小二乘估计法拟合的初始值(StartPoint), r修改为0.02,xm修改为500
(7) 此时左边的result一览得到了拟合结果:r = 0.02735, xm = 342.4
(8) 依次点击拟合工具箱的菜单栏最左边的文件—Generate Code(导出代码到时候可以放在你的论文附录),可以得到一个未命名的脚本文件
(9) 在这个打开的脚本中按快捷键Ctrl+S,将这个文件保存到当前文件夹。
(10) 在现在这个文件中调用这个函数得到参数的拟合值和预测的效果
- [fitresult, gof] = createFit(year, population)
- t = 2001:2030;
- xm = 342.4;
- r = 0.02735;
% 计算预测值(注意这里要写成点乘和点除,这样可以保证按照对应元素进行计算)
- predictions = xm./(1+(xm./3.9-1).*exp(-r.*(t-1790)));
- figure(2)
% 绘制预测结果图
- plot(year,population,'o',t,predictions,'.')
以上是关于MATLAB基础语法之拟合算法的主要内容,如果未能解决你的问题,请参考以下文章