Die Methode der kleinsten Quadrate wird üblicherweise in Beschlag Daten verwendet . Die Lösung für ein Problem der kleinsten Quadrate der Koeffizienten oder einer Gruppe von Koeffizienten, die die Summe der quadrierten Residuen minimiert . Residuen sind die Differenz zwischen dem tatsächlichen Wert und den angepassten value.Scientists und Ingenieure Matlab, eine Software-Anwendung von MathWorks entwickelt , um der kleinsten Quadrate Analyse durchzuführen. Sie können die " fminsearch "-Funktion - aber dies kann sehr kompliziert und zeitaufwändig - oder der Curve Fitting Toolbox - das ist teuer. Alternativ können Sie Ezyfit . Ezyfit ist kostenlos , schnell und einfach zu bedienende Matlab Toolbox. Anleitung
Ezyfit Einbau
1
herunterladen Ezyfit . Entpacken Sie in einen Ordner auf Ihrem Computer. Nicht fügen Sie es Ihrer Matlab -Verzeichnis ( " Program Files /Matlab " ) .
2
Wählen Sie "File > Set Pfad ... " aus der Menüleiste und wählen Sie dann den Ordner mit Ezyfit zu Ezyfit Ihren Matlab Pfad hinzuzufügen.
3
Starten Matlab Ezyfit zum ersten Mal laden. Anschließend wird Ezyfit automatisch geladen, wenn Sie beginnen Matlab .
Generieren Linear Sample Data
4
Type " x = 0:1:100 " im Befehlsfenster zu erzeugen eine Reihe von x-Werten .
5
Type " y = rand ( 1 , Länge (x)) " , nach dem Zufallsprinzip generieren y-Wert für jeden x-Wert.
6
Geben Sie " y = y . * ( x * 2) ", um ein Gefälle von 2 zu erstellen. Achten Sie darauf, Array Multiplikation verwenden " . * " Nach der zweiten y anstatt Matrix-Multiplikation "*" sonst werden Sie erzeugen eine Matrix-Multiplikation Fehler.
7
Type " plot (x , y, ' kx ') " zu plotten die Punkte in einem Streudiagramm .
Führen Sie die Least Squares Fit
8
Type" showfit (' a * x + b ') ", um eine lineare Anpassung der kleinsten Quadrate . Ezyfit druckt der Lösung, dh die Werte der Montage Koeffizienten "a" und "b" und Korrelationskoeffizient "R".
9
Type " showfit ('a * exp ( b * x ) + c ') " So führen Sie eine exponentielle Anpassung der kleinsten Quadrate .
10
prüfen Sie, ob der Korrelationskoeffizient " R R "-Wert für die lineare Anpassung " für die exponentielle Anpassung weniger als das ist . " Dies bedeutet, dass die lineare Anpassung ist eine bessere Anpassung der Daten , wie erwartet.
