matlab基礎--直線擬合

2021-01-14 從零學習Matlab

本文介紹利用矩陣除法進行最小二乘直線擬合

%%%矩陣除法最小二乘直線擬合的函數文件,參考MATLAB2018從入門到精通(中文版)

function [k,b]=linefit(x,y)
n=length(x);
x=reshape(x,n,1);%生成列向量
y=reshape(y,n,1);
A=[x,ones(n,1)];
bb=y;
B=A'*A;
bb=A'*bb;
yy=B\bb;
k=yy(1);
b=yy(2);
end

求解案列:

x=[0.5 1 1.5 2 2.5 3];
y=[1.75 2.45 3.81 4.8 8 8.6];
[k,b]=linefit(x,y);
y1=polyval([k,b],x);
plot(x,y,'*',x,y1,'r-','linewidth',2);
xlabel('x');ylabel('y');

運行結果:


%%還可以使用polyfit命令

x=[0.5 1 1.5 2 2.5 3];
y=[1.75 2.45 3.81 4.8 8 8.6];

a1=polyfit(x,y,1);%1階多項式最小二乘擬合
y1=polyval(a1,x);
plot(x,y,'*',x,y1,'g-','linewidth',2);

運行結果:


相關焦點

  • 應用matlab進行多項式擬合
    採用matlab軟體中的polyfit()函數進行多項式擬合,分別採用5階多項式和9階多項式進行擬合,並對擬合結果進行繪圖對比。程序如下:clc;clear all;x=[0.2 0.3 0.5 0.6 0.8 0.9 1.2 1.3 1.5 1.8];y=[1 2 3 5 6 7 6 5 4 1 ]; p5=polyfit(x,y,5); %5階多項式擬合y5=polyval(p5,x);p5=vpa(poly2sym(p5
  • 科研必備:MATLAB常用數據擬合方法(贈安裝包)
    當需要研究兩個或多個變量之間的關係時,經常要用到曲線擬合。曲線擬合不僅能給出擬合後的關係式,還能用圖形直觀的展現出變量之間的關係。下面小編介紹一下自己常用的擬合方法並分享案例程序。對於比較簡單的數據擬合,小編推薦直接用Excel,Origin或者Matlab的cftool工具箱,這個比較簡單,就不多介紹了,接下來主要分享對於複雜一些的的數據的擬合辦法。
  • 最優擬合直線
    cv2.destroyAllWindows()返回值lefty: -139返回值righty: 269算法:最優擬合直線是是計算包圍指定輪廓點集的擬合直線
  • matlab插值擬合(二)
    1 基於最小二乘法的多項式擬合函數:polyfitp = polyfit(x,y,n),待擬合的多項式為p(1)*x^n + p(2)*x^(n-1) +…+ p(n)*x + p(n+1),其中x是擬合數據的自變量,y是因變量,n是擬合多項式的階數,如當n為1時,即為一次線性擬合。
  • 誤差分析指標計算之matlab實現
    感謝關注matlab愛好者公眾號!如果公眾號文章對您有幫助,別忘了點擊分享和「在看」哦!
  • matlab符號微積分及應用舉例
    https://blog.csdn.net/guyuealian/article/details/53997490符號函數的積分函數積分主要分為定積分和不定積分兩類,matlab 分析(1):由於題設並沒有給出河寬與水深的函數關係,而只給出了一些相關數據,因此,首先要擬合出河床曲線,依據擬合函數,然後進行定積分,計算出河流橫截面,即可估計流量。
  • 什麼是曲線擬合?
    那麼,從上式可以看出,模態的曲線擬合是用複數,而不是實數,實際上是在傅立葉域進行擬合。第二個方面,與之前的直線或拋物線擬合相比,FRF曲線比它們更複雜,數據點更多。單個FRF有多少條譜線就有多少個數據點,有多少個測量自由度,就存在多少條這樣的FRF曲線,如果同時有兩個或兩個以上的激勵點,還需要乘以激勵點數,這樣,實際用於擬合的數據點是非常龐大的。
  • 冪律分布擬合方法
    根據文獻一,對冪律分布的擬合主要包括:1.    假定原始數據服從冪律分布,常見的方法通過直方圖,利用公式p(x) ∝ x-α,可以得知冪律分布服ln p(x) = αln x + constant, 其在雙對數坐標的圖像上會表現為一條直線,以此來初步觀測數據是否可能服從冪律分布。2.
  • 原創案例:Matlab多元線性回歸分析-逐步回歸
    逐步回歸的基本思想是逐個引入自變量,保留影響顯著的變量,剔除影響不顯著的變量,最終使得回歸方程擬合度趨於完美。在Matlab中,函數stepwise的功能就是對需要分析的變量進行逐步回歸,最後得出回歸方程各個擬合信息。Stepwise的簡單用法是stepwize(X,Y),X是由若干個自變量列向量組成的矩陣,Y是由因變量構成的列向量。
  • 基於MATLAB軟體心跳呼吸模型建立與仿真設計
    那麼,由以上設定參數並通過matlab軟體所得出的心跳呼吸時域模型如圖1所示。    2.2 用最小二乘法對實測波型進行曲線擬合  儘管人體的生命信號存在多樣性和差異性,然而,人體的生理特點決定了人體的呼吸、心跳活動具有一定的規律性。
  • Matlab:不定積分和定積分
    matlab中使用int()來計算一個積分。不定積分首先,通過符號變量創建一個符號函數,然後調用積分命令來計算函數的積分,示例如下:注意:matlab中計算的不定積分結果中沒有寫上常數C,讀者需要自己在使用的時候記得加上常數部分。
  • 【基礎教程】Matlab 曲線擬合之polyfit與polyval函數
    clear;clc;close all;format short gc = 2;%擬合階次cs_result = zeros(6,2);the=xlsread('datta.xlsx','Sheet1','C1:H2');the1=xlsread('datta.xlsx','Sheet1','C5:J6');the2=xlsread
  • 擬合優度檢驗_擬合優度檢驗r方公式 - CSDN
    在這篇文章中,我們將看一下 Hosmer-Lemeshow邏輯回歸的擬合優度檢驗。 Hosmer-Lemeshow擬合優度檢驗Hosmer-Lemeshow擬合優度檢驗是基於根據預測的概率或風險將樣本分開。
  • 線性擬合與曲線擬合,直接在圖上添加擬合曲線、擬合方程、判別係數...
    1、什麼是線性擬合?線性擬合,顧名思義,針對兩組數據或多組數據,找出一條最佳擬合直線,常用於處理與自變量呈線性關係的因變量。線性擬合是數據處理的常用方法,擬合的目的是對呈現一定數值關係的因變量與自變量找出最佳擬合方程,一般用線性回歸來實現。
  • StatQuest生物統計學 - 線性擬合的R2和p值
    R2是擬合所能解釋的數據波動的比例p值是擬合只是隨機變異的可能性大小上一節StatQuest生物統計學 - 擬合基礎已經講過線性擬合
  • 科研作圖之光譜圖繪製(matlab版)
    感謝關注matlab愛好者公眾號!如果公眾號文章對您有幫助,別忘了點擊分享和「在看」哦!
  • MATLAB數據擬合工具在數學建模中的簡單應用
    3.數學建模接下來看看,如何使用MATLAB的數據擬合工具解決該問題。3.2 數據擬合在區域1中選擇相應坐標軸的變量名,在區域2中選擇擬合的函數模型,在區域3會會自動顯示擬合的圖像,在區域4中會給出擬合後的函數表達式。
  • 擬合優度 - CSDN
    01 擬合優度是什麼? 下面言歸正傳,敲黑板、劃重點了啊!所謂「擬合優度」,是回歸分析中用來檢驗樣本數據點聚集在回歸線周圍的密集程度,用於評價回歸方程對樣本觀測值的擬合程度。02 擬合優度是怎麼來的?
  • 回歸模型擬合優度檢驗 - CSDN
    在這篇文章中,我們將看一下 Hosmer-Lemeshow邏輯回歸的擬合優度檢驗。 Hosmer-Lemeshow擬合優度檢驗Hosmer-Lemeshow擬合優度檢驗是基於根據預測的概率或風險將樣本分開。具體而言,基於估計的參數值,對於樣本中的每個觀察,基於每個觀察的協變量值計算概率。
  • ...與曲線擬合,直接在圖上添加擬合曲線、擬合方程、判別係數R2和P值
    1、什麼是線性擬合?線性擬合,顧名思義,針對兩組數據或多組數據,找出一條最佳擬合直線,常用於處理與自變量呈線性關係的因變量。線性擬合是數據處理的常用方法,擬合的目的是對呈現一定數值關係的因變量與自變量找出最佳擬合方程,一般用線性回歸來實現。2、什麼是曲線擬合?