查看: 143|回复: 10|关注: 0

[已解决] matlab拟合工具箱里面自定义函数拟合,函数如何选择呢

[复制链接]

新手

9 麦片

财富积分


050


3

主题

11

帖子

0

最佳答案
有两组数据需要拟合
这两组数据是这样的:
(1)[1 80.5] [10 80.3] [20 79.5] [30 78] [40 81.5] [50 84] [60 86.5] [70 88] [80 89] [90 91] [100 91.5]
(2)[1 72.5] [10 74] [20 78.6] [30 81.8] [40 82.8] [50 83.6] [60 83.4] [70 82.8] [80 81.3] [90 80.6] [99 81]
想要得到函数表达式~~~
求救各位大神~~~

新手

9 麦片

财富积分


050


3

主题

11

帖子

0

最佳答案
 楼主| 发表于 4 天前 | 显示全部楼层
这样的图像走向

1

1

2

2

MATLAB 基础讨论
版块优秀回答者

入门

228 麦片

财富积分


50500


20

主题

419

帖子

32

最佳答案
  • 关注者: 2
发表于 4 天前 | 显示全部楼层
你尝试一下polyfit等拟合函数,x为1 10 20 等,y对应的就是那些值。
你吧每组数据,分别整合一下一个nx2的矩阵,就可以处理了

新手

9 麦片

财富积分


050


3

主题

11

帖子

0

最佳答案
 楼主| 发表于 4 天前 | 显示全部楼层
onlye_caisA 发表于 2020-3-25 12:57
你尝试一下polyfit等拟合函数,x为1 10 20 等,y对应的就是那些值。
你吧每组数据,分别整合一下一个nx2的 ...

那个好像是多项式拟合,如果不用多项式拟合怎么办呢

MATLAB 基础讨论
版块优秀回答者

入门

228 麦片

财富积分


50500


20

主题

419

帖子

32

最佳答案
  • 关注者: 2
发表于 4 天前 | 显示全部楼层
A-mo 发表于 2020-3-25 13:17
那个好像是多项式拟合,如果不用多项式拟合怎么办呢

插值interp spline,拟合regress等,可选择拟合方式

论坛优秀回答者

中级

1074 麦片

财富积分


5001500


0

主题

2618

帖子

233

最佳答案
  • 关注者: 153
发表于 4 天前 | 显示全部楼层
1#楼主可以试下下面这个拟合公式:

y =p1*exp(p2*(x-p3)^2)+p4*exp(p5*(x-p6)^2)+p7

适用于本贴两组数据以及另外那个帖子(https://www.ilovematlab.cn/thread-592744-1-1.html)的数据,而且效果都不错。
先自己动手练练没坏处。

新手

9 麦片

财富积分


050


3

主题

11

帖子

0

最佳答案
 楼主| 发表于 4 天前 | 显示全部楼层
shihe 发表于 2020-3-25 21:38
1#楼主可以试下下面这个拟合公式:

y =p1*exp(p2*(x-p3)^2)+p4*exp(p5*(x-p6)^2)+p7

好的谢谢您

新手

9 麦片

财富积分


050


3

主题

11

帖子

0

最佳答案
 楼主| 发表于 4 天前 | 显示全部楼层
shihe 发表于 2020-3-25 21:38
1#楼主可以试下下面这个拟合公式:

y =p1*exp(p2*(x-p3)^2)+p4*exp(p5*(x-p6)^2)+p7

想问一下在拟合工具箱里用您给的那个函数模型
提示:模型函数计算的Inf,拟合无法继续。尝试使用或收紧系数的上下限。
是怎么回事呢
6969696969.png

论坛优秀回答者

中级

1074 麦片

财富积分


5001500


0

主题

2618

帖子

233

最佳答案
  • 关注者: 153
发表于 3 天前 | 显示全部楼层 |此回复为最佳答案
Matlab的拟合功能或拟合工具箱,实话实说,比较弱,主要是因为采用的局部最优算法,严重依赖初值猜测的质量,稍微复杂点的问题,对一般用户而言就很麻烦了,期待以后版本能有改进。
楼主的三组数据(包括另一个帖子的一组数据),采用下面相同的公式模型,用1stOpt计算,无需猜初值,结果都非常不错,供参考:

拟合公式:y =p1*exp(p2*(x-p3)^2)+p4*exp(p5*(x-p6)^2)+p7;

1:第一组数据(https://www.ilovematlab.cn/thread-592744-1-1.html

  1. Root of Mean Square Error (RMSE): 0.164996871240845
  2. Sum of Squared Residual: 0.299463642711949
  3. Correlation Coef. (R): 0.999773123490862
  4. R-Square: 0.999546298454675
  5. Adjusted R-Square: 0.999432873068344
  6. Determination Coef. (DC): 0.999546298454675
  7. Chi-Square: 0.00156051301235783
  8. F-Statistic: 1468.72807869994

  9. Parameter        Best Estimate
  10. ----------        -------------
  11. p1        26.1292539713588
  12. p2        -0.000151934632660842
  13. p3        126.699170299644
  14. p4        -41.5382790183974
  15. p5        -0.00144370890590826
  16. p6        106.396293471338
  17. p7        89.7399759855335

复制代码


2:第二组数据(本帖第一组)

  1. Root of Mean Square Error (RMSE): 0.222634744567681
  2. Sum of Squared Residual: 0.545228524375883
  3. Correlation Coef. (R): 0.998853335439876
  4. R-Square: 0.997707985719366
  5. Adjusted R-Square: 0.997134982149208
  6. Determination Coef. (DC): 0.997707985719366
  7. Chi-Square: 0.00311080637234589
  8. F-Statistic: 290.198304070965

  9. Parameter        Best Estimate
  10. ----------        -------------
  11. p1        -13.1754732917671
  12. p2        -0.000255959803214569
  13. p3        11.5240055971981
  14. p4        -3.31188812015166
  15. p5        -0.0112073213784784
  16. p6        30.5340863090055
  17. p7        93.385012019864

复制代码


3:第三组数据(本帖第二组)

  1. Root of Mean Square Error (RMSE): 0.138145268320605
  2. Sum of Squared Residual: 0.209925266753093
  3. Correlation Coef. (R): 0.999250929631921
  4. R-Square: 0.998502420370258
  5. Adjusted R-Square: 0.998128025462823
  6. Determination Coef. (DC): 0.998502420370258
  7. Chi-Square: 0.00128095560652526
  8. F-Statistic: 444.496083001843

  9. Parameter        Best Estimate
  10. ----------        -------------
  11. p1        -11.0157414322481
  12. p2        -0.00237414473334774
  13. p3        1.75777014647929
  14. p4        -2.98085094959304
  15. p5        -0.003181723650851
  16. p6        90.9037929429735
  17. p7        83.4688757157352

复制代码


第一组

第一组

第二组

第二组

第三组

第三组

新手

9 麦片

财富积分


050


3

主题

11

帖子

0

最佳答案
 楼主| 发表于 3 天前 | 显示全部楼层
shihe 发表于 2020-3-26 09:30
Matlab的拟合功能或拟合工具箱,实话实说,比较弱,主要是因为采用的局部最优算法,严重依赖初值猜测的质量 ...

感谢大神,想问问您在1stOpt里您算法和参数是怎么设置的呢
01.png
您需要登录后才可以回帖 登录 | 注册

本版积分规则

关闭

站长推荐上一条 /4 下一条

快速回复 返回顶部 返回列表