Denne bloggen skal forklare hvordan du plotter den best passende linjen i MATLAB ved å bruke polyfit() funksjon.
Hvordan plotte den beste tilpasningslinjen i MATLAB?
Å plotte den best passende linjen i MATLAB kan enkelt gjøres ved å bruke den innebygde polyfit() funksjon. Denne funksjonen brukes for datatilnærming ved å tilpasse kurven i de gitte datapunktene. Funksjonen tar flere argumenter, inkludert datapunktene og polynomets grad. De polyfit() funksjonen genererer en koeffisientvektor som brukes til å evaluere et polynom når som helst.
Hvis vi har n datapunkter, blir det mulig å skrive polynomet med grad mindre enn n-1 som kan eller ikke kan passere gjennom alle datapunkter, ved å bruke polyfit() funksjon.
Syntaks
De polyfit() funksjonen har flere syntakser som kan brukes i MATLAB for å utføre kurvetilpasningsoppgaver:
p = polyfit ( x,y,n )
[ p,S ] = polyfit ( x,y,n )
[ p,S,mu ] = polyfit ( x,y,n )
Her:
Funksjonen p = polyfit(x,y,n) gir koeffisientene for polynom p(x) ha grad n som gir den best tilpassede linjen ved å bruke minste kvadratmetoden for dataene i y. P har lengde n+1, og ps koeffisienter har potenser i synkende rekkefølge.
Funksjonen [p,S] = polyfit(x,y,n) gir strukturen S, som kan brukes i polyval() fungere som et argument for å få feilestimater.
Funksjonen [ p , S , in ] = polyfit ( x , y , n ) returnerer mu som en vektor med to elementer som har verdier for sentrering og skalering. De i (1) tilsvarer gjennomsnitt (x) , mens i (2) er lik std(x) . Med disse alternativene, polyfit() justerer x slik at nullverdiutgangen har enhetens standardavvik.
Eksempler
Følg de gitte eksemplene for å forstå hvordan de fungerer polyfit() funksjon for å plotte den best passende linjen i MATLAB.
Eksempel 1: Hvordan plotte den beste tilpasningslinjen i MATLAB ved å bruke polyfit(x, y, n) funksjonen?
Dette eksemplet lager først en vektor x som har 11 jevnt fordelte elementer inneholdt av intervallet [0, 20]. Deretter finner den verdier av y som tilsvarer alle x-er ved å bruke feilfunksjonen yard(x) . Etter det bruker den polyfit() funksjon for å tilpasse 9. grads polynomet i de gitte datapunktene. Til slutt plotter den polynomevalueringsresultatene med et finere rutenett.
x = [ 0 : 2 : tjue ] ';y = arv(x);
p = polyfit(x,y,9);
f = polyval(p,x);
plot(x,y,' O ',x,f,' - ')
Eksempel 2: Hvordan plotte den beste tilpasningslinjen i MATLAB ved å bruke funksjonen [p, S]= polyfit(x, y, n)?
Denne MATLAB-koden lager først en vektor x med 11 jevnt fordelte elementer inneholdt av intervallet [0, 20]. Deretter finner den verdier av y som tilsvarer alle x-er ved å bruke synd(x) funksjon. Etter det bruker den polyfit() funksjon for å tilpasse 10. grads polynomet i de gitte datapunktene. Til slutt plotter den polynomevalueringsresultatene med et finere rutenett.
x = [ 0 : 2 : tjue ] ';y = sin(x);
[p,S] = polyfit(x,y,10)
f = polyval(p,x);
plot(x,y,' O ',x,f,' - ')
Konklusjon
MATLAB inkluderer en innebygd polyfit() funksjon for å plotte den linjen som passer best. Denne funksjonen lar oss tilnærme dataene ved å tilpasse kurven i de gitte datapunktene. Hvis vi har n datapunkter, kan polynomet med grad mindre enn n-1 gi den beste tilnærmingen for de gitte n datapunktene. Denne guiden har gitt oss informasjon om kurvetilpasning og hjelper oss å forstå hvordan vi kan plotte den best passende linjen i MATLAB.