matlab—回归与内插(完结)

十七、拟合(回归)与内插

17.1 polyfit()

    假设当前有一组身高数据,与其对应的有一组体重数据,我们要分析两者之间是否有某种关联,这时就需要用到曲线拟合函数polyfit,其调用格式为:fit = polyfit(xdata,ydata,n),其中n表示多项式的最高阶数,xdata,ydata为将要拟合的数据,输出的参数fit为n+1个系数,一般情况polyfit与polyval一起使用,进行绘图

    示例:

图17-1 polyfit函数

17.2 scatter() and corrcoef()

    这里我们要介绍两个函数,一个是画散点图的函数scatter,其调用格式为:scatter(xdata,ydata)

    另一个是求出x-y之间线性系数大小的函数corrcoef,其调用格式为:corrcoef(xdata,ydata),这里要说明一点,corrcoef函数返回的是一个2*2的矩阵,(1,1)和(2,2)分别是x-x和y-y的相关系数,必定是1,(1,2)和(2,1)分别是x-y和y-x的相关系数,必定相等

    示例:

图17-2 corrcoef and scatter

17.3 regress()

    Regress函数的作用也是做数据拟合,只不过它所呈现的信息更多,其调用格式为:[b,bint,r,rint,stats] = regress(y,x,alpha)

    参数说明:

    y 多元拟合的变量值的向量

    x 多元拟合的自变量的值的矩阵

    alpha 显著性水平,缺省的时候为0.05

    b 回归得到的自变量系数

    bint b的95%的置信区间矩阵

    r 残差向量

    rint 区间矩阵

17.4 插值

    拟合与插值是数学建模中常用的两种数据分析的方法,前三节我们讲的内容全部都是关于拟合的,下面我们要讲的是插值。拟合与插值不同的地方在于,拟合出的函数曲线不一定会经过所有的点,只能说大概呈现一个趋势,而插值一定会经过所有的数据点

    那么插值的作用是什么呢,我们知道拟合的作用是呈现趋势,插值的作用:比如我们已知t=1时,a=2,t=2时,a=3,那么t=1.5时,a=多少呢?所以插值就是帮助我们求某处的数据值

    其调用格式为:yi=interp1(x,y,xi),其中,x,y是我们已知的数据值,我们现在要求,经过一系列(x,y)点的曲线在xi时对应的yi值

语法形式

说明

y=interp1(x,Y,xi)

由已知点集(x,Y)插值计算xi上的函数值

y=interp1(x,Y,xi)

相当于x=1:length(Y)的interp(x,Y,xi)

y=interp1(x,Y,xi,method)

用指定插值方法计算插值点xi上的函数值

y=interp1(x,Y,xi,method,’extrap’)

对xi中超出已知点集的插值点用指定插值方法计算函数值

y=interp1(x,Y,xi,method,’extrap’,extrapval)

用指定方法插值xi上的函数值,超出已知点集处函数值取extrapval

y=interp1(x,Y,xi,method,’pp’)

用指定方法插值,但返回结果为分段多项式

Method

方法描述

Nearest

最邻近插值:插值点处函数值与插值点最邻近的已知点函数值相等

liner

分段线性插值:插值点处函数值由连接其最邻近的两侧点的线性函数预测。Matlab中interp1的默认方法

spline

样条插值:默认为三次样条插值。可用spline函数替代

pchip

三次Hermite多项式插值,可用pchip函数替代

(1)Nearest方法速度最快,占用内存最小,但一般来说误差最大,插值结果最不光滑

(2)Spline三次样条插值是所有插值方法中运行耗时最长的,插值函数及其一二阶导函数都连续,是最光滑的插值方法。占用内存比cubic方法小,但是已知数据分布不均匀的时候可能出现异常结果

(3)Cubic三次多项式插值法中,插值函数及其一阶导数都是连续的,所以插值结果比较光滑,速度比Spline快,但是占用内存最多

    示例:

图17-3 插值

    当然,插值不止可以用于平面中,还可以用于三维图中,函数是interp2,参数及方法类似,zi = interp2(x,y,z,xi,yi,method),读者下去练习即可

十八、作者结语

    matlab系列文章已全部更完,如有任何错误或者建议欢迎指出,同时欢迎各位读者加入博客交流群689696631。最后,如果你是看了我的系列文章准备参加美赛,祝你取得好成绩

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据小魔方

左手用R右手Python系列8——数据去重与缺失值处理

因为最近事情略多,最近更新的不勤了,但是学习的脚步不能停,一旦停下来,有些路就白走了,今天就盘点一下R语言和Python中常用于处理重复值、缺失值的函数。 在R...

2824
来自专栏aCloudDeveloper

算法导论第八章线性时间排序

一、线性时间排序算法历史概览       计数排序首先是由 Harold H. Seward 于1954年提出,而且他还提出将计数排序和基数排序进行结合的思想;...

2166
来自专栏机器学习和数学

[ Tensorflow]Tensorflow Reduction operations

reduce系列在平时工程中是经常使用的,其中reduce_sum是使用最频繁的一个。主要用在计算loss的时候,当我们定义好loss之后,我们一般要求loss...

3364
来自专栏王肖的UT

GLSL-内置函数

1523
来自专栏前端黑板报

一个数字截取引发的精度问题(四)

这篇是精度问题的最后一篇,要是想看前面的,请看微信历史记录。 做前端的都感觉JS这语言巨坑无比,兼容性让你摸不到头脑,甚至还会让你脱发。一些初学者遇到: 0.1...

20110
来自专栏数据结构与算法

P3382 【模板】三分法

题目描述 如题,给出一个N次函数,保证在范围[l,r]内存在一点x,使得[l,x]上单调增,[x,r]上单调减。试求出x的值。 输入输出格式 输入格式: 第一行...

3309
来自专栏iOSDevLog

day1-numpy练习

这是在numpy邮件列表,stackoverflow和numpy文档中收集的练习集合。 该系列的目标是为新老用户提供快速参考,同时为教学人员提供一系列练习。

1391
来自专栏Petrichor的专栏

python: random模块

  在numpy 和 tensorflow 中有 相同功能 的实现, 见 《tensorflow: Constants, Sequences, and Ra...

801
来自专栏MyBlog

数值分析读书笔记(5)数值逼近问题(I)----插值极其数值计算

当给定插值函数是多项式函数的时候, 我们可以产生一种插值的方案, 下面介绍一下Lagrange插值

1041
来自专栏小樱的经验随笔

numpy用法小结

前言   个人感觉网上对numpy的总结感觉不够详尽细致,在这里我对numpy做个相对细致的小结吧,在数据分析与人工智能方面会有所涉及到的东西在这里都说说吧,也...

3474

扫码关注云+社区