文件名称:“fitdata.m”。基于最小的MATLAB函数数据拟合
RMSE。回归将使用以下数据
模型:
-直线(a + b * x)
- 2日多项式(a + b * x ^ 2)
-平方根(a + b * sqrt (x))
以10为底的对数()(a + b * log10 (x))
-指数(a + b * exp (x))
首先,它决定如果数据显示了一个通过检查如果off-linear概要文件
斜率是显著改变。如果是这样,数据将在退化
所有其他模型除了直线模型。如果没有重要的
发现偏离斜率,直线模型被认为是最好的
健康。
以防off-linear概要文件被发现,最适合的
其他模型是由计算根均方
错误(RMSE)。回归线是最好的一个
RMSE是最小的。
四个输入参数:‘X’、‘Y’,‘x_label’,‘y_label’
输出:一个最佳拟合直线的情节
——表包含:
*模型类型
R2 *
* RMSE
*回归系数
包含变量X X:列向量(独立变量)
Y:列向量包含Y变量(因变量)
为轴x_label:标签(可选)
为轴y_label:标签(可选)
需要输入语法:fitdata (X, Y)
可选输入语法:fidata (X, Y, x_label y_label)
由尤里斯。穆尔过时(2016)
引用作为
尤里斯。穆尔(2023)。数据拟合GitHub (https://github.com/jorismeurs/Data_Fitting)。检索。
版本使用GitHub缺省分支不能下载
版本 | 发表 | 发布说明 | |
---|---|---|---|
1.0.0.0 |
|
问题在这个视图或报告GitHub插件,参观GitHub库。
问题在这个视图或报告GitHub插件,参观GitHub库。