matlab curve fitting tool
1,先在工作区存入需要拟合的横纵坐标的数据量
2,应用程序=》curve fitting 打开
3,在数据选择区选择横纵坐标的数据向量。左上角——数据界面
4,右上角——拟合选项
Custom Equations 用户自定义函数
Expotential e指数函数
Fourier 傅立叶函数,含有三角函数
Gaussian 正态分布函数,高斯函数
Interpolant 插值函数,含有线性函数,移动平均等类型的拟合
Polynomial 多项式函数
Power 幂函数
Rational 有理函数(不太清楚,没有怎么用过)
Smooth Spline ??(光滑插值或者光滑拟合,不太清楚)
Sum of sin functions正弦函数类
Weibull 威布尔函数(没用过)
举例Polynomial:多项式说明:
Degree:多项式阶数。
Robust:鲁棒性要求:
Off——无要求
LAR——(least absolute residual)最小绝对残差
Bisquare——赋权最小残差,给离曲线近的给予较大的权重,远的给予较小的权重。
Robust:鲁棒性要求:
Off——无要求
LAR——(least absolute residual)最小绝对残差
Bisquare——赋权最小残差,给离曲线近的给予较大的权重,远的给予较小的权重。
5,左下角——结果 (Result)
一般:General model of sin1:
....... (函数形式)
Coefficients (with 95% conffidence range) (95%致信区间内的拟合常数)
a1=... ( ... ...) (等号后面是平均值,括号里是范围)
....
Godness of fit: (统计结果)
SSE: ... (方差)
R-squared: ... (决定系数,不知道做什么的)
Adjusted R-squared: ... (校正后的决定系数,如何校正的不得而知)
RMSE: ... (标准差)
....... (函数形式)
Coefficients (with 95% conffidence range) (95%致信区间内的拟合常数)
a1=... ( ... ...) (等号后面是平均值,括号里是范围)
....
Godness of fit: (统计结果)
SSE: ... (方差)
R-squared: ... (决定系数,不知道做什么的)
Adjusted R-squared: ... (校正后的决定系数,如何校正的不得而知)
RMSE: ... (标准差)
6,右下角——图像
7,最下方——各类参数和评价指标
8,图片导出。另外要说的是,如果想把这个拟合的图像导出的话,在Curve Fitting Tool窗口的File菜单下选Print to Figure,此时弹出一个新的图像窗口,里面是你要导出的图像,在这个figure窗口的File菜单里再选Export,选择好合适的格式,一般是jpeg,选择好路径,点击OK就可以了。出来的图像可以在Word等编辑环境中使用,就不多说了。