matlab之回归与内插

最新推荐文章于 2024-01-08 17:44:39 发布

原创最新推荐文章于 2024-01-08 17:44:39 发布 · 1.2k 阅读

4 ·

本内容遵循CC 4.0 BY-SA版权协议

matlab 专栏收录该内容

14 篇文章

订阅专栏

本文详细介绍了在MATLAB中如何进行回归分析和内插操作。针对线性回归，通过polyfit()和regress()函数确定相关性及高阶方程；在非线性情况下，利用cftool定制方程寻找参数。对于内插，讲解了interp1()和interp2()函数在1D和2D数据中的应用，以及如何通过spline()实现更平滑的插值效果。

一、回归

找到回归方程，使SSE最小

用matlab解：

线性回归图：

polyfit()

>> x = [-1.2 -0.5 0.3 0.9 1.8 2.6 3.0 3.5];
>> y = [-15.6 -8.5 2.2 4.5 6.6 8.2 8.9 10.0];
>> fit = polyfit(x,y,1);
>> fit

fit =

    4.9897   -4.4491

>> xfit = [x(1):0.1:x(end)]; yfit = fit(1)*xfit+fit(2);
>> plot(x,y,'ro',xfit,yfit); set(gca,'FontSize',14);
>> legend(2,'data points','best-fit');

确定两者是否有线性关系：

>> x = [-1.2 -0.5 0.3 0.9 1.8 2.6 3.0 3.5];
>> y = [-15.6 -8.5 2.2 4.5 6.6 8.2 8.9 10.0];
>> scatter(x,y);box on; axis square;
>> corrcoef(x,y)

ans =

    1.0000    0.9202
    0.9202    1.0000

>>

得到线性相关性：r = 0.9202

用更高阶方程式表示相关性：

x = [-1.2 -0.5 0.3 0.9 1.8 2.6 3.0 3.5];
y = [-15.6 -8.5 2.2 4.5 6.6 8.2 8.9 10.0];
figure('Position',[50 50 1500 400]);
for i = 1:3
    subplot(1,3,i); p = polyfit(x,y,i);
    xfit = x(1):0.01:x(end); yfit = polyval(p,xfit);
    plot(x,y,'ro',xfit,yfit); set(gca,'FontSize',14);
    ylim([-17,11]); legend(4,'Data points','Fitted curve');
end

>> x = [-1.2 -0.5 0.3 0.9 1.8 2.6 3.0 3.5];
>> y = [-15.6 -8.5 2.2 4.5 6.6 8.2 8.9 10.0]; 
>> for i = 4:6
subplot(1,3,1); p = polyfit(x,y,i);
xfit = x(1):0.01:x(end); yfit=polyval(p,xfit);
plot(x,y,'ro',xfit,yfit); set(gca,'FontSize',14);
ylim([-17,11]);legend(4,'Data point', 'Fitted curve','location','SouthEast');
end

有两个变数时：

使用regress()

>> load carsmall;
>> y  = MPG;
>> x1 = Weight; x2 = Horsepower;
>> X = [ones(length(x1),1 ) x1 x2];
>> b = regress(y,X);
>> x1fit = min(x1):100:max(x1);
>> x2fit = min(x2):10:max(x2);
>> [X1FIT,X2FIT]=meshgrid(x1fit,x2fit);
>> YFIT=b(1)+b(2)*X1FIT+b(3)*X2FIT;
>> scatter3(x1,x2,y,'filled');hold on;
>> mesh(X1FIT,X2FIT,YFIT); hold off;
>> xlabel('Weught'); ylabel('Horsepower'); zlabel('MPG'); view(50,10);
>>

[x,y]=meshgrid（向量1，向量2）绘制二维坐标系。x轴取值为向量1，y轴取值为向量2.

x，y为矩阵，对应各个点的横坐标与纵坐标所构成的矩阵。

z=f(x,y)

mesh(x,y,z)可以绘制f(x,y)的函数图像。

什么是线性方程式：

非线性时的情形：

怎样找到这些参数？

利用matlab的

>> load carsmall;
>> cftool
>>

加载carsmall后的数据：

加载数据后，命令行输入cftool，就会跳出窗口：

xdata和ydata中选择数据。

再选择Custom Equation可以输入自己想要的形式

然后就能在Results中得到相应的参数。

二、内插

常用函数（指令）：

线性内插：interp1()

>> x = linspace(0,2*pi,40);
>> x_m= x;
>> x_m([11:13,28:30]) = NaN; y_m = sin(x_m);
>> plot(x_m,y_m,'ro','MarkerFaceColor','r');
>> xlim([0,2*pi]); ylim([-1.2,1.2]); box on;
>> set(gca,'XTickLabel',{'0','\pi/2','\pi','3\pi/2','2\pi'});

上图可看出某些值被我丢失了。

使用线性内插：

>> m_i = ~isnan(x_m);
>> y_i = interp1(x_m(m_i),y_m(m_i),x);
>> hold on;
>> plot(x,y_i,'-b','LineWidth',2);
>> hold off;
>>

用较平滑的线：

spline()：

>> m_i = ~isnan(x_m);
>> y_i = spine(x_m(m_i),y_m(m_i),x);
>> y_i = spline(x_m(m_i),y_m(m_i),x);
>> hold on; 
>> plot(x,y_i,'-g','LineWidth',2);
>> h = legend('Original','Linear','Spline');
>> set(h,'FontName','Times New Roman');
>>

二维：

>> xx = -2:.5:2; yy = -2:.5:3;
>> [X Y]=meshgrid(xx,yy);
>> Z = X.*exp(-X.^2-Y.^2);
>> surf(X,Y,Z); hold on;
>> plot3(X,Y,Z+0.01,'ok','MarkerFaceColor','r')
>>

interp2做线性内插：

xx_i = -2:.1:2;
yy_i = -2:.1:3;
[X_i,Y_i] = meshgrid(xx_i,yy_i);
Z_i = interp2(xx,yy,Z,X_i,Y_i);
surf(X_i,Y_i,Z_i);
hold on;
plot3(X,Y,Z+0.01,'ok','MarkerFaceColor','r')

>> Z_c = interp2(xx,yy,Z,X_i,Y_i,'cubic');
>> surf(X_i,Y_i,Z_c);
>> hold on;
>> plot3(X,Y,Z+0.01,'ok','MarkerFaceColor','r')
>>

2维的spline()： Z_c = interp2(xx,yy,Z,X_i,Y_i,'cubic');

【相对圆滑许多】