我正在尝试处理拟合曲线的解释。
为了拟合目的,我使用Matlab的fit
函数使用预定义模型(如poly2
)或自定义(如y=ax^4+bx^2+c
),没有任何问题。
我想确定每个参数(a
,b
和c
)的质量,以便能够绘制数据点(能够),拟合曲线(能够)和“曲线可以具有给定概率的区域”(无法)。
如果我运行foo=fit(x,y,'poly1')
而不使用分号,则返回:
foo =
Linear model Poly1:
fitNi(x) = p1*x + p2
Coefficients (with 95% confidence bounds):
p1 = 40.19 (3.088, 77.28)
p2 = 1042 (730.1, 1354)
问题是,如何挖掘3.088, 77.28
值?我猜想,在foo
中描述了p1
参数的置信区间。
答案 0 :(得分:2)
答案并不是很明显。
您需要使用:
CI = confint(foo);
CI(1) => 3.088
CI(2) => 77.28
如果添加参数,也可以更改置信区间:
CI99 = confint(foo,0.99) % The 99% confidence interval
正如@ Dev-iL所说:
这里的大图是MATLAB类/对象。你应该进入 做
methods(objectname)
,properties(objectname)
和struct(objectname)
的习惯 甚至可以methods(foo) % return methods available for foo (confint(foo)) properties(foo) % return available properties of foo (get(foo,<Property>)) struct(foo) % available structure values of foo (foo.<Value>)
查看您可以使用的内容。
begin
PACK.RefreshData(po_errorCode => :po_errorCode, po_errorDescription=>:po_errorDescription);
end;