Curve Fitting Toolbox

使用回归、插值和平滑对数据进行曲线和曲面拟合

 

Curve Fitting Toolbox™ 提供一个 App 和多个函数,可对数据进行曲线和曲面拟合。使用该工具箱可以执行探索性数据分析,预处理和后处理数据,比较候选模型,以及删除离群值。您可以使用工具箱提供的线性和非线性模型库进行回归分析,也可以指定自定义方程。该库提供优化的求解器参数和起始条件,以提高拟合质量。该工具箱还提供非参数化建模方法,如样条、插值和平滑。

在创建一个拟合之后,您可以运用多种后处理方法进行绘图、插值和外插,估计置信区间,并可计算积分和导数。

快速入门:

Curve Fitting

从 MATLAB 工作区导入数据并进行曲线和曲面拟合。执行线性和非线性回归和插值。

Curve Fitting

使用 Curve Fitting 或命令行拟合函数进行曲线拟合。

使用 Curve Fitting进行曲线拟合。

曲面拟合

使用 Curve Fitting或命令行拟合函数进行曲面拟合。

使用 Curve Fitting 进行曲面拟合。

线性和非线性回归

使用线性和非线性回归,将一个连续响应变量作为一个预测变量的函数进行建模。

线性拟合

通过选择标准回归模型或使用自定义方程来应用线性回归。所有这些标准回归模型都包含优化的求解器参数和起始条件,以提高拟合质量。

线性回归方法概述。

非线性拟合

使用指数模型、傅里叶级数模型、幂级数模型、高斯模型和标准模型应用非线性参数化回归。

使用自定义方程对生物制药数据进行曲面拟合

平滑和插值

使用插值法估算已知数据点之间的值,然后使用平滑样条和局部回归进行拟合以平滑数据。

插值

拟合插值曲线或曲面,并估算已知数据点之间的值。

比较线性插值模型。

研究燃油效率时模型和表数据之间的差异。

后处理

在拟合曲线或曲面后,使用后处理方法对拟合绘图。分析拟合是否准确、估计置信区间并计算积分和导数。

比较和评估拟合

创建多个拟合,比较图形和数值结果以及拟合优度统计量。使用验证数据调优拟合。

在 Curve Fitting 中创建多个拟合。

绘图

自定义绘图并执行附加分析,如离群值、残差、置信区间、积分和导数。

显示和自定义绘图。

样条

构造有数据或无数据样条。控制高级样条操作,包括断点/节点操作、优化节点放置以及数据点加权。

对数据进行样条拟合

对数据进行各种样条拟合,包括具有各种终止条件的三次样条和平滑样条,用于曲线、曲面和更高维对象。

对钛的测试数据进行样条拟合。

B 样条、有理样条和 NURBS

创建用于分析复杂曲面的 B 样条以及均匀和非均匀有理样条 (NURBS)。

三维样条。