如何用Matlab把数据分类

Posted 2023-05-18

比如说我有70000个数据， 有一定的规律，开始数据上升，然后到达顶点开始下降，然后到又变平缓，如何根据这三个特征把数据分成三份？

参考技术A matlab常用的函数种类：
Anonymous Functions -- 匿名函数
Primary Functions -- 主函数
Nested Functions -- 嵌套函数
Subfunctions -- 子函数
Private Functions -- 私有函数

Anonymous Functions -- 匿名函数
提供了一种快速定义简单函数的方法，可以在matlab命令框、任何函数、脚本中定义。定义方式如下
fhandle = @(arglist) expr
如
sqr = @(x) x.^2;
这种函数比较简单，不多说了，有意思的一种用法是可以在函数定义中使用变量，如下
a = 1.3; b = .2; c = 30; parabola = @(x) a*x.^2 + b*x + c; fplot(parabola, [-25 25])

a = -3.9; b = 52; c = 0; fplot(parabola, [-25 25])
以后可以尝试用用。

Primary Functions -- 主函数
Subfunctions -- 子函数
就是在一个文件中第一个被定义的函数，其它的都称为子函数。
主函数名一般和文件名一致，调用文件名即是调用主函数，而其它子函数不对外可见，只能在文件内部被主函数和其它子函数调用。

Nested Functions -- 嵌套函数
就是在其他函数内部定义的函数，注意它不能在程序控制语句中定义，即不能在if判断语句、while循环语句中定义。
这种函数有点讲究，但感觉用的不多，要定义直接定义子函数了。不过有三个地方使用感觉挺方便。
一种是如果懒得传递参数给子函数，可以写成嵌套函数，因为在嵌套函数中是可见其上一层函数定义的变量，感觉如果偏向于尽快完成任务的话，可以用用，不过这不利于代码的封装和可读性。
另一种是在figure的鼠标响应中，如在buttondown函数中定义buttonup嵌套函数，因为buttonup一般是发生在buttondown之后的，嵌套定义就是发生了buttondown事件才开启buttonup事件，这样用确实感觉思路上很顺。可参考博客http://blog.sina.com.cn/s/blog_6163bdeb0100n8r7.html
还有一个用法，也是嵌套定义的好处，就是修改了嵌套函数的代码，不用重新运行主程序，原来的程序会自动使用修改过的程序。比如还是figure鼠标响应，将鼠标按下、抬起响应函数写成嵌套函数，运行后，鼠标按下、抬起会运行相应的响应函数，如果修改了按下、抬起的响应函数代码，鼠标操作马上按新修改的代码执行，蛮方便。
Private Functions -- 私有函数 参考技术B 可以通过编程设置成等宽或等频或用聚类

如何用matlab数据拟合函数?

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) 参考技术A matlab有好多方法来拟合函数，比如对数拟合、指数拟合、多项式拟合。建议你看一下讲解matlab函数拟合的书籍。就你给的数据看，多项式拟合（polyfit）比较适合且比较简单。