MATLAB 郭彦甫第十四课练习答案

第7页PPT习题：

习题描述的是热电偶（thermo couple,简称 TC），随着温度变化输出线性毫伏（mV）信号的函数图像。

1. 找出拟合函数的β0 和 β1；

2. 画出拟合后的图像。

习题代码：

Temp = [20 30 40 50 60];
TC = [0.025 0.035 0.050 0.060 0.080];fit = polyfit( Temp,TC, 1);
xfit = (Temp(1):0.1:Temp(end));
yfit = fit(1)* xfit + fit(2);plot(Temp,TC,'ok',xfit,yfit);
legend({'data-point','best-fit'},'Location','northwest');
xlabel('Temperature(\circC)');
ylabel('TC output(mV)');
title('Calibration of TC');
set(gca,'XTick',20:10:60);
grid on;

运行截图：

代码解析：

对于线性函数的拟合，我们一般把它当做多项式的形式，例如本题：y = β0 * x + β1，其中x是温度，y是热电偶输出的电压。

1. 存储数据；

2. 使用polyfit()函数对x和y进行一阶拟合，得到的β0和β1会存储在我们自定义的fit变量中，其中fit(1)就是β0，fit(2)就是β1；

3. 接着我们定义拟合后的数据点；

xfit = (Temp(1):0.1:Temp(end));
yfit = fit(1)* xfit + fit(2);

4. 画出散点和拟合后的函数图像，图像的细节可以参考上文中的习题代码部分。

第10页PPT习题：

对题目中给定的x和y，分别画出它们的4阶、5阶和6阶的拟合图像。

习题代码：

x =[-1.2 -0.5 0.3 0.9 1.8 2.6 3.0 3.5];
y =[-15.6 -8.5 2.2 4.5 6.6 8.2 8.9 10.0];figure('Position', [50 50 1500 400]);
for i=4:7
subplot(1,4,i-3); p = polyfit(x,y,i);
xfit = x(1):0.1:x(end); yfit = polyval(p,xfit);
plot(x,y,'ro',xfit,yfit,'b'); set(gca,'FontSize',14);
ylim([-17, 11]);
legend({'Data points','Fitted curve'},'Location','southeast');
title([num2str(i), 'th-order polynomial']);
end

运行截图：

代码解析：

我们会发现，随着拟合阶数的提高，拟合曲线出现了震荡，从而影响预测的精度。

因此不是阶数越高，拟合的效果越好。

本题扩展：

对于线性拟合曲线阶数的确定，目前我能找到的方法是计算实际数据和拟合数据的残差平方和

残差和残差平方和的知识点https://baike.baidu.com/item/%E6%AE%8B%E5%B7%AE%E5%B9%B3%E6%96%B9%E5%92%8C/10586739?fr=aladdin

按照这个方法，我们就能够找出最优的阶数，代码如下：

x =[-1.2 -0.5 0.3 0.9 1.8 2.6 3.0 3.5];
y =[-15.6 -8.5 2.2 4.5 6.6 8.2 8.9 10.0];
%计算残差平方和
for i=1:100fit = polyfit(x,y,i);yfit = polyval(fit,x);if sum((yfit - y).^2)<0.001 %设置误差值为0.001，即残差平方和要小于设定的这个误差值bestOrder = i;break;end
end
fit = polyfit(x,y,bestOrder);
xfit = (x(1):0.1:x(end));
yfit = polyval(fit,xfit);
plot(x,y,'or',xfit,yfit,'b');
set(gca,'FontSize',14);
legend({'Data points','Fitted curve'},'Location','southeast');
title('Best order fitting');

运行截图：

第13页PPT习题：

习题代码：

load carsmall;
y = MPG; x1 = Weight; x2 = Horsepower;
X = [ones(length(x1),1) x1 x2 x1.^2 x2.^2 x1.*x2];
b = regress(y,X);
x1fit = min(x1):100:max(x1);
x2fit = min(x2):10:max(x2);
[X1FIT,X2FIT]=meshgrid(x1fit,x2fit);
YFIT=b(1) + b(2)*X1FIT + b(3)*X2FIT + b(4)*X1FIT.^2 + b(5)*X2FIT.^2 + b(6)*X1FIT.*X2FIT; %题目中给定的函数
scatter3(x1,x2,y,'filled'); %原始数据的散点图
hold on;
mesh(X1FIT,X2FIT,YFIT); hold off;
xlabel('Weight');
ylabel('Horsepower');
zlabel('MPG');
view(50,10); %观察视角
xlim([1000, 5000]);
ylim([0, 250]);

运行截图：

MATLAB 郭彦甫第十四课练习答案相关推荐

孙鑫mfc学习笔记第十四课
第十四课网络的相关知识,网络程序的编写,Socket是连接应用程序与网络驱动程序的桥梁,Socket在应用程序中创建,通过bind与驱动程序建立关系.此后,应用程序送给Socket的数据,由Sock ...
NeHe OpenGL第二十四课：扩展
NeHe OpenGL第二十四课:扩展扩展,剪裁和TGA图像文件的加载: 在这一课里,你将学会如何读取你显卡支持的OpenGL的扩展,并在你指定的剪裁区域把它显示出来. 这个教程有一些难度,但它 ...
计算机病毒ppt教案免费,第十四课计算机病毒课件（共14张ppt）+教案
第十四课计算机病毒课件(共14张ppt)+教案 ==================资料简介====================== 第十四课计算机病毒课件:14张PPT 第十四课计算机 ...
window.addeventlistener 不能调用方法_Java入门第十四课：如何定义”方法“
第十四课,学习定义方法.一个对象包含三种最常见的成员:构造器.Field和方法.Field用于定义状态数据,而方法是行为特征的抽象. 那么什么是方法呢? 在Java中,方法就是用来完成解决某件事情或实 ...
python dataframe 新列_Python第二十四课：Pandas库（四）
Python第二十四课:Pandas库(四)点击上方"蓝字",关注我们. 不知不觉,我们已经跨越了千难万险,从零开始,一步步揭开了Python神秘的面纱.学到至今,回过头,才晓得自 ...
NeHe OpenGL教程第四十四课：3D光晕
转自[翻译]NeHe OpenGL 教程前言声明,此 NeHe OpenGL教程系列文章由51博客yarin翻译(2010-08-19),本博客为转载并稍加整理与修改.对NeHe的OpenGL管线 ...
NeHe OpenGL第四十四课：3D光晕
NeHe OpenGL第四十四课:3D光晕 3D 光晕当镜头对准太阳的时候就会出现这种效果,模拟它非常的简单,一点数学和纹理贴图就够了.好好看看吧. 大家好,欢迎来到新的一课,在这一课中我们将扩 ...
实践数据湖iceberg 第三十四课基于数据湖icerberg的流批一体架构-流架构测试
系列文章目录实践数据湖iceberg 第一课入门实践数据湖iceberg 第二课 iceberg基于hadoop的底层数据格式实践数据湖iceberg 第三课在sqlclient中,以sql ...
实践数据湖iceberg 第十四课元数据合并(解决元数据随时间增加而元数据膨胀的问题)
系列文章目录实践数据湖iceberg 第一课入门实践数据湖iceberg 第二课 iceberg基于hadoop的底层数据格式实践数据湖iceberg 第三课在sqlclient中,以sql ...

MATLAB 郭彦甫第十四课练习答案

MATLAB 郭彦甫第十四课练习答案相关推荐

最新文章

热门文章

MATLAB 郭彦甫 第十四课练习答案

MATLAB 郭彦甫 第十四课练习答案相关推荐

最新文章

热门文章

MATLAB 郭彦甫第十四课练习答案

MATLAB 郭彦甫第十四课练习答案相关推荐