使用griddata函数可进行三维拟合,并求出任意点处的值之前用过求电流温度和电阻率的函数拟合如下rq=griddata(i,t,r,iq,tq)
数据拟合後想把原始数据和拟合曲线放在同一个图里怎么画,举例说明一下
查询点指定为一个向量。x
中的點对应于 y
中包含的拟合函数值
x
具有重复(或接近重复)的点或者如果 x
可能需要中心化和缩放时的警告消息结果。
y
- 查询点位置的拟合值
查詢点位置的拟合值指定为向量。y
中的值对应于 x
中包含的查询点
n
- 多项式拟合的阶数
多项式拟合的阶数,指定为正整数标量n
指定 p
中最左側系数的多项式幂。
p
- 最小二乘拟合多项式系数
最小二乘拟合多项式系数以向量的形式返回。p
的长度为 n+1
包含按降幂排列的多项式系数,朂高幂为 n
如果 x
或 y
包含 NaN
值且 n < length(x)
,则
p
的所有元素均为 NaN
S
- 误差估计结构体
误差估计结构体。此可选输出结构体主要用作 polyval
函数的输入以获取误差估计值。S
包含以下字段:
如果 y
中数据的误差呈独立正态分布并具有常量方差,则 [y,delta] = polyval(...)
可生成至少包含 50% 的预测值的误差边界即 y
± delta
至少包含 50% 对 x
處的未来观测值的预测值。
mu
- 中心化值和缩放值
中心化值和缩放值以一个二元素向量形式返回。mu(1)
为 mean(x)
并且 mu(2)
为 std(x)
。这些值以单位标准差将 x
中的查询点的中心置于零值处
在使用许多点的问题中,使用 polyfit
增加多项式拟合的阶并不能始终得到较好的拟合高次多项式可以在数据点之间振动,导致与数据之间的拟合较差在这些情况下,可使用低次多项式拟合(点之间倾向于更平滑)或不同的方法具体取决于该问题。
哆项式在本质上是无边界的振荡函数所以,它们并不非常适合外插有界的数据或单调(递增或递减)的数据
其中 polyfit
使用 p = V\y
求解。由于 Vandermonde 矩阵Φ的列是向量 x
的幂因此条件数 V
对于高阶拟合来说通常较大,生成一个奇异系数矩阵在这些情况下,中心化和缩放可改善系统的数值属性以产生更可靠的拟合
X
和 Y
必须为列向量
有关详细信息,请参阅
您点击了调用以下 MATLAB 命令嘚链接:
Web 浏览器不支持 MATLAB 命令。请在 MATLAB 命令窗口中直接输入该命令以运行它