polyfit
R2026bAdattamento della curva polinomiale
Sintassi
Descrizione
[ fornisce l'opzione per applicare la normalizzazione durante l'adattamento. Se si imposta coeffs,fitStats,centerScale] = polyfit(x,y,n,Normalize=tf)Normalize su true, polyfit centra x su 0 e lo scala in modo che abbia una deviazione standard pari a 1 secondo la trasformazione In questo caso, polyfit restituisce anche l'output centerScale come vettore a due elementi contenente i valori di centratura e scalatura, ossia mean(x) e std(x). Se si imposta Normalize su false, polyfit non trasforma x e centerScale è un vettore a due elementi che contiene 0 e 1. (da R2026b)
Prima della release R2026b: la normalizzazione è controllata implicitamente dal numero di argomenti di output. La restituzione di un terzo argomento di output abilita automaticamente la normalizzazione. Per maggiori informazioni, vedere Cronologia versioni.
Esempi
Argomenti di input
Argomenti di output
Limiti
Nei problemi con molti punti, aumentare il grado dell'adattamento polinomiale utilizzando
polyfitnon sempre produce un adattamento migliore. I polinomi di ordine elevato possono essere oscillanti tra i punti di dati, determinando un adattamento meno adeguato ai dati. A seconda del problema, in questi casi, si può utilizzare un adattamento polinomiale di ordine inferiore (che tende a essere più uniforme tra i punti) o una tecnica diversa.I polinomi sono per natura funzioni oscillatorie e non vincolate. Pertanto, non sono particolarmente adatti all'estrapolazione di dati vincolati o di dati monotoni (costantemente crescenti o costantemente decrescenti).
Algoritmi
polyfit utilizza x per formare una matrice di Vandermonde V con n+1 colonne e m = length(x) righe, ottenendo il sistema lineare
che polyfit risolve con coeffs = V\y. Poiché le colonne della matrice di Vandermonde sono potenze del vettore x, il numero di condizionamento di V è spesso grande per gli adattamenti di ordine elevato, risultante in una matrice a coefficiente singolare. In questi casi, specificando Normalize=true è possibile migliorare le proprietà numeriche del sistema e produrre un adattamento maggiormente affidabile.





