Curve Fitting Toolbox

Glättungen

Glättungsalgorithmen werden auf vielen Gebieten eingesetzt, um Rauschen aus Datensätzen zu entfernen, ohne die eigentlich interessanten Muster zu verfälschen. Die Curve Fitting Toolbox unterstützt sowohl Glättungs-Splines als auch die lokalisierte Regression. Zur Erzeugung von Vorhersage-Modellen muss darum keine explizite funktionale Beziehung zwischen den Variablen definiert werden.

Localized regression model.

Modell für eine lokalisierte Regression. Mit Glättungsmethoden lassen sich Vorhersage-Modelle erzeugen, ohne dass eine funktionale Beziehung zwischen den Variablen definiert wird.

Nicht-parametrische Anpassung 4:07
Entwickeln Sie ein prädiktives Modell, wenn Sie keine Funktion angeben können, die die Beziehung zwischen Variablen beschreibt.

Die Curve Fitting Toolbox unterstützt die lokalisierte Regression mit Polynomen erster Ordnung (lowess) und zweiter Ordnung (loess). Daneben bietet sie Optionen für die robuste lokalisierte Regression, die auch für Datensätze mit Ausreißern geeignet ist, sowie für Glättungsfunktionen auf der Basis gleitender Mittelwerte wie Savitzky-Golay-Filter.

Exploratory data analysis using a Savitzky-Golay filter.

Explorative Datenanalyse mit einem Savitzky-Golay-Filter. Durch die Glättung der Daten lassen sich periodische Anteile identifizieren.

Weiter: Voransicht und Vorverarbeitung von Daten

Probieren Sie Curve Fitting Toolbox

Testsoftware anfordern

Computergestützte Statistik mit MATLAB

Webinar anzeigen