fit（）使用custom fittype（）返回指定的起始值

Question

在matlab中使用fit函数时，它返回我在代码中指定的起始值。

所以在我给fit的{​​{1}}函数参数中说，返回值为

fit(... 'start', [2.9 10000] ...)

为什么matlab没有在这里调整拟合参数？我尝试改变起点，但它仍然只返回我输入的值。我还绘制了函数（参数等于我输入的起点）与数据拟合的函数，它们是非常接近彼此。

我使用fit功能错了吗？有什么方法可以从matlab获得精确的拟合参数吗？

另外，正如旁注，但是有可能得到一些东西（例如... = 2.9 (some 95% confidence value) ... = 10000 (some 95% confidence value) 值）表明拟合的程度如何？

谢谢！

编辑： 以下是我对fit函数的了解：

myfitopt = fitoptions（＆＃39; Method＆＃39;，＆＃39; NonlinearLeastSquares＆＃39;，＆＃39; start＆＃39;，[13.5 * 10 ^ 3,1.31 * 10 ^ 4]）; ％options

myfittype = fittype（＆＃39; 4 * k Temp beta /（m *（（2 * pi）^ 4 *（f ^ 2-v_0 ^ 2）^ 2 +（2 * pi f beta）^ 2））＆＃39;，＆＃39;独立＆＃39;，＆＃39; f＆＃39;，＆＃39;问题＆＃39;，{＆ ＃39; k＆＃39;，＆＃39; m＆＃39;，＆＃39; Temp＆＃39;}，＆＃39;系数＆＃39;，{＆＃39; beta＆＃39;，＆＃39; v_0＆＃39;}，＆＃39; options＆＃39;，myfitopt）

myfit = fit（freq＆＃39;，p，myfittype，＆＃39; problem＆＃39;，{k_B，mass，Temperature}）％播放beta和v_0的起始值

这是回归：

myfittype =

R^2

myfit =

 General model:
 myfittype(beta,v_0,k,m,Temp,f) = 4*k*Temp*beta/(m*((2*pi)^4*(f^2-v_0^2)^2+
                (2*pi*f*beta)^2))

其中beta和v_0就是我输入的起始值，误差范围非常大。为什么代码不会改变这些系数以适应数据？

谢谢！

Answer 1

由于您提供的信息很少，很难给您一定的解决方案。但是，我以最简单的方式解释拟合过程。

在处理曲线/曲面拟合时，您应该考虑3个重要步骤：

<强> 1。选择一个模型

例如，对于以下数据，选择poly2模型是正确的。

但是，您可以为该类型选择不同的内容，例如：

poly1   Y = p1*x+p2
poly2   Y = p1*x^2+p2*x+p3
poly3   Y = p1*x^3+p2*x^2+...+p4
...etc., up to poly9    Y = p1*x^9+p2*x^8+...+p10

检查所有其他详细信息here。

<强> 2。使模型适合数据

在这里，您可以使用fit函数生成适合对象f。

f = fit(x,y,'poly2')

结果如下：

f = 

     Linear model Poly2:
     f(x) = p1*x^2 + p2*x + p3
     Coefficients (with 95% confidence bounds):
       p1 =    0.006541  (0.006124, 0.006958)
       p2 =      -23.51  (-25.09, -21.93)
       p3 =   2.113e+04  (1.964e+04, 2.262e+04)

这显示了模型以及拟合函数为您找到的系数。

第3。现在您可以轻松地使用该模型：

f(1900)
ans =
       74.5558

情节中的红点是：

可以使用fit函数修改fitoptions函数的许多其他属性。检查fit和fitoptions here上的matlab文档。

startpoint属性指定系数起始值。要使用startpoint选项，您可以使用fitoption，然后使用fittype然后使用fit，如下所示：

fo = fitoptions('Method','NonlinearLeastSquares','Lower',[0,0],'Upper', Inf,max(cdate)],'StartPoint',[1 1]);
ft = fittype('a*(x-b)^n','problem','n','options',fo);
[curve2,gof2] = fit(xdata,ydata,ft,'problem',2)

回答您的附注

您可以使用residual analysis来检查合适的质量。