原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
曲线的类型 1、指数函数曲线 2、对数函数曲线 3、双曲函数曲线 4、幂函数曲线 5、S型曲线 指数函数曲线 Y=a*exp(b*x) 对数函数曲线 Y=a+b*ln(x) 幂函数曲线 Y=a*x^b 最小二乘算法 给定x和y,现在利用最小二乘算法由x向y拟合。 算法分析： Step1: y=p1*x+p2 step2: Step3:求偏导数 Step4: 整理 Step5: Step6: Step7: Step8:拟合 多项式回归方程 二次多项式 三次多项式方程式 多项式方程的一般形式 多项式方程的初步确定 多项式回归方程取的次数：散点所表现的曲线趋势的峰数+谷数+1。若散点波动较大或峰谷两侧不对称，可再高一次。 多项式回归系数确定，可采用与线性回归方法。 多项式回归系数的计算 令 那么 采用矩阵方法求解： 回归系数B 非线性回归 曲线函数采用logistic y=1/[a+b*exp(-x)] 举例：已知x=1:30, y=10000:15000(30个点)， 采用多元非线性回归模型 分析：x=exp(-t), t=1,…,30 y1=1/y(t)=a+b*exp(-t)=a+b*x 对变换后的x,y1进行线性拟合。 非线性模型的变形 1、 2、 3、 4、 多元线性拟合 由多个预测变量去拟合一个值。 Regress.m函数可以实现多线性预测问题。 对一次函数（线性），regress和polyfit执行相同的功能。 B=regress(Y,X),其中X的第一列为元素1，如果为一次拟合，则X有两列；如果为二次拟合，则X有三列；依次类推。 rstool,多元多项式回归 rstool(x,y,’model’) Model=‘linear’,’purequadratic’,’quadratic’ 举例由两个量预测一个量 已知x1=[1000 600 1200 500 300 400 1300 1100 1300 300]; x2=[5 7 6 6 8 7 5 4 3 9]; y=[100 75 80 70 50 65 90 100 110 60]’; 由x1和x2共同预测y Purequadratic纯二次模型 Y=a+bx1+cx2+dx12+ex22 方法二：将该模型转换为多元线性回归，采用regress函数实现。 第一步：构造X=[1,x1,x2,x12,x22] 第二步：构造Y nlinfit.m函数的使用 用法： beta=nlinfit(x,y,’model’,beta0) 对’model’需要自己编写m函数 例：设x=2:16;y=[6.42 8.2 9.58 9.5 9.7 10 9.93 9.99 10.49 10.59 10.6 10.8 10.6 10.9 10.76]; 假设模型为： 第一步：编写’model’函数 第二步：产生x,y,beta0 第三步：调用nlinfit函数 方法二：变形法 采用polyfit或regression 例：根据下列表格，建立线性预测模型 由x1,x2,x3,x4,x5,x6预测y 使得y=ax1+bx2+cx3+dx4+ex5+fx6 第一步：编写’model’函数 第二步：输入 X和y,beta0 第三步：调用nlinfit函数 * *
文档评论（0）