1.确定要拟合的类型
一般情况下matlab会直接提供常用的类型,用fittype创建拟合模型。至于matlab具体提供了哪些模型,参见帮助"List of library models for curve and surface fitting"
ft = fittype( 'gauss1' ); %高斯拟合
2.要拟合的数据格式
在最简单的情况下,即拟合两个向量X,Y,则其必须是列向量
3.拟合
使用fit进行拟合
fitresult= fit( xData, yData, ft,);
其输出fitresult是一个cfit型的对象(object),主要包含两个内容:1,拟合模型,即第一步中确定的拟合类型;2,拟合所得系数的值。例如对第一步中所创建的高斯模型,其fitresult 的值为
fitresult = General model Gauss1: fo(x) = a1*exp(-((x-b1)/c1)^2) Coefficients (with 95% confidence bounds): a1 = 45.54 (42.45, 48.64) b1 = 0.01011 (0.0101, 0.01012) c1 = 0.0002551 (0.0002353, 0.0002748)
获得了这样一个object,如何把其中的系数提取出来呢?这个要用到coeffvalues函数
>> coeffvalues(fitresult) ans = 45.5426 0.0101 0.0003
4.获取拟合优度
现在已经获得了拟合系数,那到底拟合得怎么样呢?可以使用下面的格式获取拟合优度
[fitresult ,gof] = fit(X,Y,'gauss1');
gof是一个结构体,包含4个量
sse:Sunm of squares due to error
rsquare:R-square 对这个就是线性回归里的那个R2,与线性回归里的具有同样的意义
dfe:Degrees of freedom in the error,不懂
adjrsquare: 也不懂
rmse: 误差的均方根值(rms)
嗯,暂时只需要用到这些,更高级的要用的时候再说。
Matlab与C/C++联合编程之从Matlab调用C/C++代码
Matlab中的取整函数fix, floor, ceil与round