Question

这是我用于Y数据的数据：

0.577032413537833
0.288198874369377
0.192282280031568
0.143824619265244
0.114952782524097
0.0960518606520442
0.0824041879978560
0.0719078360110914
0.0640919744028295
0.0572120310249072
0.0519630635470660
0.0479380073164273
0.0443712721513307

X只是从1到13的整数值，我知道这是在MATLAB上运行GUI cftool时形成a * x ^ b + c的幂函数，具有相当高的R平方值（1）

为了在命令行上执行fit，我使用了：

>> g = fittype('a*x^b+c','coeff',{'a','b','c'})
>> x=1:13;
>> [c3,gof3] = fit(x',B3(:,1),g)

这导致

c3 =

 General model:
   c3(x) = a*x^b+c
 Coefficients (with 95% confidence bounds):
   a =        -179  (-1.151e+005, 1.148e+005)
   b =    0.001066  (-0.6825, 0.6847)
   c =       179.5  (-1.148e+005, 1.151e+005)

gof3 =

       sse: 0.0354
   rsquare: 0.8660
       dfe: 10
adjrsquare: 0.8392
      rmse: 0.0595

与

不一样

General model Power2:
       f(x) = a*x^b+c
Coefficients (with 95% confidence bounds):
   a =      0.5771  (0.5765, 0.5777)
   b =      -1.001  (-1.004, -0.9983)
   c = -8.972e-005  (-0.0005845, 0.000405)

Goodness of fit:
  SSE: 4.089e-007
  R-square: 1
  Adjusted R-square: 1
  RMSE: 0.0002022

当我在cftool GUI界面上运行回归时，我得到了。我在这里缺少哪些选项让我看似模特的结果却截然不同？ a = -179非常可疑......

提前感谢您的意见。

哦，一旦我把它们排除在外，是否有办法从拟合的模型中获得特定的价值？说，我只对A的价值感兴趣。

对于gof，我知道我可以通过使用gof.rsquare来提取...等等，但对于cfit怎么样？

Answer 1

当我尝试

时

>> g = fittype('a*x^b+c','coeff',{'a','b','c'})
>> x=1:13;
>> [c3,gof3] = fit(x',B3(:,1),g)

我得到了

Warning: Start point not provided, choosing random start point. 
> In Warning>Warning.throw at 31
  In fit>iFit at 320
  In fit at 109

所以我把它改成了

>> [c3,gof3] = fit(x', B3(:,1),g, 'Startpoint', [0 0 0])

给了我

c3 = 

     General model:
     c3(x) = a*x^b+c
     Coefficients (with 95% confidence bounds):
       a =      0.5771  (0.5765, 0.5777)
       b =      -1.001  (-1.004, -0.9983)
       c =  -8.972e-05  (-0.0005844, 0.000405)

这确实比你从cftool GUI获得的更接近。

很可能“随机起点”对于GUI来说比使用CLI更好，所以你很幸运。

如果可以一致地生成这些结果，那么必须将GUI编程为在可用时使用全局优化工具箱，或者某些类似的方案。但这只是疯狂的猜测。

MATLAB中的曲线拟合：工具箱与命令行的结果形式不同？

1 个答案: