Tämä blogi selittää, kuinka voit piirtää parhaiten sopivan rivin MATLABissa käyttämällä polyfit() toiminto.
Kuinka piirtää paras istuvuusviiva MATLABissa?
Parhaiten sopivan viivan piirtäminen MATLABissa voidaan tehdä helposti sisäänrakennetun järjestelmän avulla polyfit() toiminto. Tätä funktiota käytetään tietojen approksimaatioon sovittamalla käyrä annettuihin tietopisteisiin. Funktio ottaa useita argumentteja, mukaan lukien datapisteet ja polynomin asteen. The polyfit() funktio luo kerroinvektorin, jota käytetään arvioimaan polynomi missä tahansa pisteessä.
Jos meillä on n datapistettä, on mahdollista kirjoittaa polynomi, jonka aste on pienempi kuin n-1 ja joka voi kulkea kaikkien datapisteiden läpi tai ei, käyttämällä polyfit() toiminto.
Syntaksi
The polyfit() -funktiolla on useita syntakseja, joita voidaan käyttää MATLABissa käyrän sovitustehtävien suorittamiseen:
p = polyfit ( x,y,n )
[ p,S ] = polyfit ( x,y,n )
[ p,S,mu ] = polyfit ( x,y,n )
Tässä:
Toiminto p = polyfit(x,y,n) tarjoaa kertoimet polynomi p(x) jolla on aste n, joka tuottaa parhaiten sopivan viivan käyttäen pienimmän neliösumman menetelmää y:n tiedoille. P:n pituus on n+1 ja p:n kertoimilla potenssit laskevassa järjestyksessä.
Toiminto [p,S] = polyfit(x,y,n) antaa rakenteen S, jota voidaan käyttää polyval() toimii argumenttina virhearvioiden saamiseksi.
Toiminto [ p , S , in ] = polyfit ( x , y , n ) palauttaa mu:n vektorina, jossa on kaksi elementtiä, joilla on arvot keskitystä ja skaalausta varten. The kohdassa 1) on vastaava keskiarvo (x) , kun taas kohdassa (2) on yhtä suuri kuin std(x) . Näillä vaihtoehdoilla polyfit() säätää x:n niin, että sen nolla-arvon lähdössä on yksikkökeskihajonnan mukainen.
Esimerkkejä
Seuraa annettuja esimerkkejä ymmärtääksesi sen toiminnan polyfit() funktio piirtää parhaiten sopivan rivin MATLABissa.
Esimerkki 1: Kuinka piirtää parhaiten sopiva viiva MATLABissa käyttämällä polyfit(x, y, n)-funktiota?
Tässä esimerkissä luodaan ensin vektori x, jossa on 11 tasaisin välein välin [0, 20] sisältämää elementtiä. Sitten se löytää virhefunktion avulla y:n arvot, jotka vastaavat kaikkia x:itä piha (x) . Sen jälkeen se käyttää polyfit() toiminto 9. asteen polynomin sovittamiseksi annettuihin tietopisteisiin. Lopulta se piirtää polynomin arvioinnin tulokset hienommalla ruudukolla.
x = [ 0 : 2 : kaksikymmentä ] ';y = periytyvyys(x);
p = monisovitus(x,y,9);
f = polyval(p,x);
plot(x,y,' O ',x,f,' - ')
Esimerkki 2: Kuinka piirretään paras sovitusviiva MATLABissa käyttämällä [p, S]= polyfit(x, y, n)-funktiota?
Tämä MATLAB-koodi luo ensin vektorin x, jossa on 11 tasaisin välein välin [0, 20] sisältämää elementtiä. Sitten se löytää y:n arvot, jotka vastaavat kaikkia x:itä käyttämällä synti(x) toiminto. Sen jälkeen se käyttää polyfit() toiminto 10. asteen polynomin sovittamiseksi annettuihin tietopisteisiin. Lopulta se piirtää polynomin arvioinnin tulokset hienommalla ruudukolla.
x = [ 0 : 2 : kaksikymmentä ] ';y = sin(x);
[p,S] = polyfit(x,y,10)
f = polyval(p,x);
plot(x,y,' O ',x,f,' - ')
Johtopäätös
MATLAB sisältää sisäänrakennetun polyfit() funktio piirtää parhaiten sopivan viivan. Tämän funktion avulla voimme arvioida tietoja sovittamalla käyrä annettuihin tietopisteisiin. Jos meillä on n datapistettä, polynomi, jonka aste on pienempi kuin n-1, voi antaa parhaan approksimation annetulle n datapisteelle. Tämä opas on antanut meille tietoja käyrän sovituksesta ja auttaa meitä ymmärtämään, kuinka parhaiten sopiva viiva piirretään MATLABissa.