Den här bloggen kommer att förklara hur man ritar den bästa linjen i MATLAB med hjälp av polyfit() fungera.
Hur ritar man den bästa passformslinjen i MATLAB?
Att rita den bästa linjen i MATLAB kan enkelt göras med den inbyggda polyfit() fungera. Denna funktion används för dataapproximation genom att anpassa kurvan i de givna datapunkterna. Funktionen tar flera argument, inklusive datapunkterna och polynomets grad. De polyfit() funktion genererar en koefficientvektor som används för att utvärdera ett polynom när som helst.
Om vi har n datapunkter blir det möjligt att skriva polynomet som har en grad mindre än n-1 som kan eller inte kan passera genom alla datapunkter, med hjälp av polyfit() fungera.
Syntax
De polyfit() Funktionen har flera syntaxer som kan användas i MATLAB för att utföra kurvanpassningsuppgifter:
p = polyfit ( x,y,n )
[ p,S ] = polyfit ( x,y,n )
[ p,S,mu ] = polyfit ( x,y,n )
Här:
Funktionen p = polyfit(x,y,n) ger koefficienterna för polynom p(x) med grad n som ger den bäst passande linjen med minsta kvadratmetoden för data i y. P har längden n+1, och p:s koefficienter har potenser i fallande ordning.
Funktionen [p,S] = polyfit(x,y,n) ger strukturen S, som kan användas i polyval() fungera som ett argument för att få feluppskattningar.
Funktionen [ p , S , in ] = polyfit ( x , y , n ) returnerar mu som en vektor med två element som har värden för centrering och skalning. De i 1) är ekvivalent med medelvärde(x) , medan i (2) är lika med std(x) . Med dessa alternativ, polyfit() justerar x så att dess nollvärdesutgång har enhetens standardavvikelse.
Exempel
Följ de givna exemplen för att förstå hur det fungerar polyfit() funktion för att rita den bästa linjen i MATLAB.
Exempel 1: Hur man ritar linjen för bästa passform i MATLAB med hjälp av polyfit(x, y, n)-funktionen?
Detta exempel skapar först en vektor x med 11 jämnt fördelade element som ingår i intervallet [0, 20]. Sedan hittar den värden på y som motsvarar alla x med hjälp av felfunktionen gård (x) . Efter det använder den polyfit() funktion för att passa 9:e gradens polynom i de givna datapunkterna. Äntligen plottar den polynomutvärderingsresultaten med ett finare rutnät.
x = [ 0 : 2 : tjugo ] ';y = arv(x);
p = polyfit(x,y,9);
f = polyval(p,x);
plot(x,y,' O ',x,f,' - ')
Exempel 2: Hur man ritar den bästa passningslinjen i MATLAB med hjälp av funktionen [p, S]= polyfit(x, y, n)?
Denna MATLAB-kod skapar först en vektor x med 11 jämnt fördelade element som ingår i intervallet [0, 20]. Sedan hittar den värden på y som motsvarar alla x med hjälp av sin(x) fungera. Efter det använder den polyfit() funktion för att passa 10:e gradens polynom i de givna datapunkterna. Äntligen plottar den polynomutvärderingsresultaten med ett finare rutnät.
x = [ 0 : 2 : tjugo ] ';y = sin(x);
[p,S] = polyfit(x,y,10)
f = polyval(p,x);
plot(x,y,' O ',x,f,' - ')
Slutsats
MATLAB inkluderar en inbyggd polyfit() funktion för att rita den linjen som passar bäst. Denna funktion låter oss approximera data genom att anpassa kurvan i de givna datapunkterna. Om vi har n datapunkter kan polynomet med grad mindre än n-1 ge den bästa approximationen för de givna n datapunkterna. Den här guiden har försett oss med information om kurvanpassning och hjälper oss att förstå hur man ritar den bästa linjen i MATLAB.