| 查看: 1341 | 回复: 4 | ||
新星之光木虫 (著名写手)
|
[求助]
求教两个自变量一个因变量非线性拟合 已有2人参与
|
|
紧急求助，多元非线性拟合 已经试过1stOpt自动搜索功能，有11个参数，并且结果不是很理想 希望高人求教，拟合出更符合的函数，多谢！ |
回复此楼» 本帖附件资源列表
-
欢迎监督和反馈：小木虫仅提供交流平台，不对该内容负责。
本内容由用户自主发布，如果其内容涉及到知识产权问题，其责任在于用户本人，如对版权有异议，请联系邮箱：xiaomuchong@tal.com - 附件 1 : 数据拟合.xls
2015-09-22 15:17:41, 18.5 K
» 猜你喜欢
求调剂一志愿武汉理工大学材料工程（085601）
已经有5人回复
-
上海电力大学材料防护与新材料重点实验室招收调剂研究生（材料、化学、电化学，环境）
已经有3人回复
-
急发核心期刊论文
已经有5人回复
-
291 求调剂
已经有5人回复
-
298-一志愿中国农业大学-求调剂
已经有11人回复
-
一志愿南京理工大学085701资源与环境302分求调剂
已经有7人回复
-
316求调剂
已经有7人回复
-
材料与化工考研调剂
已经有4人回复
-
一志愿重庆大学085700资源与环境，总分308求调剂
已经有7人回复
-
一志愿211 初试270分 求调剂
已经有4人回复
» 本主题相关价值贴推荐，对您同样有帮助:
- 非线性函数拟合
已经有1人回复
2楼2015-09-22 18:46:06
dingd
铁杆木虫 (职业作家)
- 应助: 1641 (讲师)
- 金币: 15037.3
- 散金: 101
- 红花: 234
- 帖子: 3410
- 在线: 1223.7小时
- 虫号: 291104
- 注册: 2006-10-28
【答案】应助回帖
★ ★ ★ ★ ★ ★ ★ ★ ★ ★
感谢参与，应助指数 +1
新星之光: 金币+10, ★★★很有帮助 2015-09-23 09:37:29
感谢参与，应助指数 +1
新星之光: 金币+10, ★★★很有帮助 2015-09-23 09:37:29
|
只图效果的话看这个： z=a*exp(-b*(x-c)^2-b1*(y-c1)^2)+p1*exp(-p2*(y-p3)^2-p4*(x-p5)^2); 均方差(RMSE):0.000995602921015805 残差平方和(SSE):1.38771524686929E-5 相关系数(R): 0.999680558595767 相关系数之平方(R^2): 0.999361219234345 确定系数(DC): 0.999328834297215 卡方系数(Chi-Square): 0.00113028392344047 F统计(F-Statistic): 662.197789011197 参数 最佳估算 ---------- ------------- a 0.110505712923283 b 828.06172923722 c 0.276053286816951 b1 0.308715660236492 c1 0.0650120589955765 p1 0.0142253189668215 p2 4.84480525627187 p3 -2.7313500068442 p4 -1187.44618731672 p5 0.294915018550094  c185.jpg |
3楼2015-09-22 22:56:38
新星之光
木虫 (著名写手)
- 应助: 2 (幼儿园)
- 金币: 10170.8
- 散金: 150
- 红花: 11
- 帖子: 1454
- 在线: 122.7小时
- 虫号: 1414107
- 注册: 2011-09-23
- 性别: MM
- 专业: 生化分析及生物传感
4楼2015-09-23 09:38:42
【答案】应助回帖
★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★ ★
感谢参与，应助指数 +1
新星之光: 金币+20, ★★★很有帮助 2015-09-24 08:31:27
感谢参与，应助指数 +1
新星之光: 金币+20, ★★★很有帮助 2015-09-24 08:31:27
|
其实三楼已经给了你一个答案了，拟合有很多种方法，关键看用在哪里，拟合程度越好的函数越复杂，越不能体现这些数据的规律，必要的时候，会牺牲对精度的要求，去达到理想中的模型。这里你最想这个模型满足什么样的规律？ 我给你几个参考吧： 1、线性平面拟合 Linear model Poly11: f(x,y) = p00 + p10*x + p01*y Coefficients (with 95% confidence bounds): p00 = 0.002862 (-0.1006, 0.1063) p10 = -0.01093 (-0.3208, 0.299) p01 = -0.03848 (-0.05724, -0.01972) Goodness of fit: SSE: 0.006854（代表误差，越小越好） R-square: 0.6685（拟合程度，越接近1越好） Adjusted R-square: 0.6083 RMSE: 0.02496 2、最高次曲面模型 Linear model Poly43: f(x,y) = p00 + p10*x + p01*y + p20*x^2 + p11*x*y + p02*y^2 + p30*x^3 + p21*x^2*y + p12*x*y^2 + p03*y^3 + p40*x^4 + p31*x^3*y + p22*x^2*y^2 + p13*x*y^3 Coefficients: p00 = 94.47 p10 = -735.7 p01 = 104.8 p20 = 2014 p11 = -635 p02 = 41.08 p30 = -2343 p21 = 1080 p12 = -207.9 p03 = 3.988 p40 = 1113 p31 = -349.5 p22 = 256 p13 = -11.78 Goodness of fit: SSE: 3.535e-26 R-square: 1 Adjusted R-square: NaN RMSE: NaN 3、一般曲面模型 Linear model Poly22: f(x,y) = p00 + p10*x + p01*y + p20*x^2 + p11*x*y + p02*y^2 Coefficients (with 95% confidence bounds): p00 = 0.5903 (-0.1517, 1.332) p10 = -3.035 (-8.028, 1.958) p01 = 0.153 (-0.2952, 0.6013) p20 = 3.859 (-5.933, 13.65) p11 = -0.4708 (-1.487, 0.545) p02 = 0.01387 (-0.04482, 0.07256) Goodness of fit: SSE: 0.00477 R-square: 0.7693 Adjusted R-square: 0.6251 RMSE: 0.02442 4、Locally weighted smoothing linear regression: f(x,y) = lowess (linear) smoothing regression computed from p where x is normalized by mean 0.3029 and std 0.05105 and where y is normalized by mean -1.216 and std 0.8434 Coefficients: p = coefficient structure Goodness of fit: SSE: 0.001136 R-square: 0.9451 Adjusted R-square: 0.8884 RMSE: 0.01332  1.png  2.png  3.png  4.png |
» 本帖附件资源列表
-
欢迎监督和反馈：小木虫仅提供交流平台，不对该内容负责。
本内容由用户自主发布，如果其内容涉及到知识产权问题，其责任在于用户本人，如对版权有异议，请联系邮箱：xiaomuchong@tal.com - 附件 1 : 平滑模型.bmp
- 附件 2 : 平面.bmp
- 附件 3 : 最高次多项式曲面.bmp
- 附件 4 : 自管会1.png
2015-09-23 10:45:38, 619.97 K
2015-09-23 10:45:42, 606.29 K
2015-09-23 10:45:43, 421.72 K
2015-09-23 10:45:45, 298.62 K
5楼2015-09-23 10:49:43
