plot
cfit 또는 sfit 객체 플로팅
구문
설명
곡면
plot(___,는 곡면에 대해 위에 열거된 구문의 입력 인수 조합 외에 하나 이상의 이름-값 인수를 사용하여 옵션을 지정합니다. 예를 들어 플롯의 유형과 제한을 지정할 수 있습니다.Name=Value)
곡선
plot(은 산점도 플롯 데이터를 플로팅하는 데 사용되는 색, 마커 기호, 선 스타일을 지정합니다.cfit,x,y,DataLineSpec)
plot(은 cfit,FitLineSpec,x,y,DataLineSpec)plot 함수가 cfit에 주어진 곡선을 플로팅하는 데 사용하는 색, 마커 기호, 선 스타일을 지정합니다.
plot(은 이상값을 플로팅하는 데 사용되는 색, 마커 기호, 선 스타일을 지정합니다.cfit,x,y,outliers,OutlierLineSpec)
plot(은 곡선, 산점도 플롯 데이터, 이상값을 플로팅하는 데 사용되는 색, 마커 기호, 선 스타일을 지정합니다.cfit,FitLineSpec,x,y,DataLineSpec,outliers,OutlierLineSpec)
예제
franke 데이터 세트를 불러옵니다.
load franke벡터 x, y, z는 Franke의 이변량 테스트 함수에서 생성된 데이터를 포함합니다.
Lowess 평활화 모델을 x, y, z의 데이터에 피팅합니다.
ls = fit([x,y],z,"lowess");ls는 Lowess 평활화 모델을 데이터에 피팅한 결과를 포함하고 있는 sfit 객체입니다.
ls를 플로팅하고 Figure의 보기를 변경합니다.
plot(ls) view([19.5 40.0])
이 플롯은 Lowess 평활화 피팅이 x와 y의 값에 걸쳐 z=0과 z=1.5 사이에 존재하는 파형의 곡면임을 보여줍니다.
titanium 데이터 세트를 불러옵니다. 행 벡터에서 열 벡터로 데이터를 변환합니다.
[x, y] = titanium; x = x'; y = y';
x는 온도 측정값을 포함하고 y는 티타늄의 속성에 대한 측정값을 포함합니다.
가우스 모델을 x 데이터와 y 데이터에 피팅합니다.
g = fit(x,y,"gauss2");g는 가우스 모델을 데이터에 피팅한 결과를 포함하고 있는 cfit 객체입니다.
데이터의 산점도 플롯과 함께 g를 플로팅합니다.
plot(g,x,y)
이 플롯은 g가 대부분의 데이터를 가깝게 따라가고 있으며 x가 대략 900일 때 y 데이터가 급등하고 있음을 보여줍니다.
linspace 함수와 sin 함수를 사용하여 기준 정현파 신호에 대한 일부 데이터를 생성합니다.
xdata = linspace(0,2*pi,60)'; y0 = sin(xdata);
xdata는 0과 2 사이에 있는 60개의 점으로 구성된 벡터이고 y0은 xdata의 값에 대한 사인 함수 값으로 구성된 벡터입니다.
randn 함수를 사용하여 가우스 분포에서 잡음을 생성합니다.
rng(0,"twister") % For reproducibility gnoise = y0.*randn(size(y0));
임펄스 잡음을 생성하려면 먼저 randperm 함수와 round 함수를 사용하여 임의의 인덱스로 구성된 벡터를 만듭니다.
leny0 = length(y0); p = randperm(leny0); stop = round(leny0/5); idx = p(1:stop);
idx는 y0의 인덱스를 나타내는 정수로 구성된 벡터입니다.
zeros 함수를 사용하여 임펄스 잡음으로 구성된 벡터를 만듭니다. 그런 다음 sign 함수를 사용하여 y0의 요소가 각각 음수와 양수인 idx의 위치에서 잡음 벡터에 값 –5와 5를 할당합니다.
szy = size(y0); spnoise = zeros(szy); yidx = y0(idx); spnoise(idx) = 5*sign(yidx);
y0에 잡음 벡터를 추가합니다.
ydata = y0 + gnoise + spnoise;
ydata는 상수가 아닌 분산을 가진, 잡음이 있는 데이터로 구성된 벡터입니다.
정현파 모델을 ydata에 피팅합니다.
f = fittype("a*sin(b*x)");
fit1 = fit(xdata,ydata,f,StartPoint=[1 1]);fit1은 최소제곱 피팅을 사용하여 정현파 모델을 피팅한 결과를 포함합니다.
fit1의 모델에서 1.5 표준편차를 초과하여 떨어져 있는 xdata와 ydata의 점들로부터 이상값으로 구성된 벡터를 만듭니다.
fdata = feval(fit1,xdata); outliers = abs(fdata - ydata) > 1.5*std(ydata);
이상값을 제외한 데이터를 다시 피팅합니다.
fit2 = fit(xdata,ydata,f,StartPoint=[1 1],...
Exclude=outliers);fit2는 정현파 모델을 이상값을 제외한 데이터에 피팅한 결과를 포함합니다.
로버스트 피팅 알고리즘을 사용하여 세 번째 모델을 피팅합니다.
fit3 = fit(xdata,ydata,f,StartPoint=[1 1],Robust="on");fit3은 겹제곱 가중치 피팅 알고리즘을 사용하여 정현파 모델을 데이터에 피팅한 결과를 포함합니다.
피팅된 모델들을 비교하려면 데이터, 이상값, 피팅 결과를 플로팅합니다.
plot(fit1,xdata,ydata,outliers) hold on plot(fit2) plot(fit3) xlim([0 2*pi]) legend("data","outlier","fit1","fit2","fit3")
이 플롯은 각 피팅을 다른 선 색으로 보여줍니다. 3개의 피팅 모두 데이터의 대부분을 따라갑니다. fit1이 다른 두 피팅보다 이상값에 더 가깝습니다.
fit1에 대한 잔차를 플로팅합니다.
figure plot(fit1,xdata,ydata,"residuals") hold on xlabel("xdata") ylabel("residuals") hold off
이 플롯은 fit1에 대한 잔차가 xdata의 값에 걸쳐 상수가 아닌 분산을 가지고 있음을 보여줍니다.
census 데이터 세트를 불러온 후 변수 cdate 및 pop를 사용하여 다항식을 피팅합니다. 이러한 변수는 각각 인구 조사를 실시한 연도와 모집단 크기에 대한 데이터를 포함하고 있습니다. 1850 이전의 모든 날짜를 이상값으로 간주합니다.
load census fitresult = fit(cdate,pop,"poly2",Exclude=cdate<1850)
fitresult =
Linear model Poly2:
fitresult(x) = p1*x^2 + p2*x + p3
Coefficients (with 95% confidence bounds):
p1 = 0.006709 (0.005497, 0.00792)
p2 = -24.15 (-28.81, -19.5)
p3 = 2.175e+04 (1.728e+04, 2.621e+04)
디폴트 선 스타일로 cfit 객체 fitresult를 플로팅합니다.
plot(fitresult,cdate,pop,cdate<1850)
선 스타일을 수정하려면 플롯에 대해 인수 DataLineSpec, FitLineSpec, OutlierLineSpec 중 하나 이상을 지정할 수 있습니다. 이 예제에서는 데이터 선 스타일을 파란색 점으로, 피팅 선 스타일을 빨간색 실선으로, 이상값 선 스타일을 녹색 플러스 기호로 설정합니다.
plot(fitresult,"r-",cdate,pop,"b.",cdate<1850,"g+")
입력 인수
이름-값 인수
제한 사항
제약 조건 점이 지정된 피팅 객체에 대해서는 예측 함수("predfunc")와 예측 관측값("predobs")의 한계를 계산할 수 없습니다. 지정된 한계에 대해 NaN 값이 플로팅됩니다.
