Contenuto principale

polyfit

R2026b

Adattamento della curva polinomiale

Descrizione

coeffs = polyfit(x,y,n) restituisce i coefficienti di un polinomio p(x) di grado n che meglio si adatta ai dati in y secondo il criterio dei minimi quadrati, dove il polinomio risultante è:

p(x)=coeffs(1)⋅xn+coeffs(2)⋅xn−1+...+coeffs(n)⋅x+coeffs(n+1).

esempio

[coeffs,fitStats] = polyfit(x,y,n) restituisce inoltre statistiche di adattamento che possono essere utilizzate per stimare l'errore di previsione con la funzione polyval.

esempio

[coeffs,fitStats,centerScale] = polyfit(x,y,n,Normalize=tf) fornisce l'opzione per applicare la normalizzazione durante l'adattamento. Se si imposta Normalize su true, polyfit centra x su 0 e lo scala in modo che abbia una deviazione standard pari a 1 secondo la trasformazione x^=x−x¯σx . 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.

esempio

Esempi

comprimi tutto

Adattare un modello di regressione lineare semplice a un insieme di punti di dati discreti bidimensionali.

Creare due vettori di punti di dati campione (x,y). Adattare un polinomio di primo grado ai dati.

x = 1:50; 
y = -0.3*x + 2*randn(1,50); 
coeffs = polyfit(x,y,1); 

Valutare il polinomio adattato nei punti in x. Tracciare il modello di regressione lineare risultante con i dati.

f = polyval(coeffs,x);

plot(x,y,"o")
hold on
plot(x,f)
legend("Sample data","First-degree polynomial")
hold off

Figure contains an axes object. The axes object contains 2 objects of type line. One or more of the lines displays its values using only markers These objects represent Sample data, First-degree polynomial.

Generare 10 punti equidistanti lungo una curva sinusoidale nell'intervallo [0,4*pi].

x = linspace(0,4*pi,10);
y = sin(x);

Adattare un polinomio di settimo grado ai dati.

coeffs = polyfit(x,y,7);

Valutare il polinomio adattato su una griglia più fine e tracciare i risultati.

x2 = linspace(0,4*pi);
yfit = polyval(coeffs,x2);

plot(x,y,"o")
hold on
plot(x2,yfit)
legend("Sample data","Seventh-degree polynomial")
hold off

Figure contains an axes object. The axes object contains 2 objects of type line. One or more of the lines displays its values using only markers These objects represent Sample data, Seventh-degree polynomial.

Creare un vettore di 5 punti equidistanti nell'intervallo [0,1] e valutare y(x)=11+x in questi punti.

x = linspace(0,1,5);
y = 1./(1+x);

Adattare un polinomio di quarto grado ai dati. Di solito, per n punti, è possibile adattare un polinomio di grado n-1 che passi esattamente per i punti.

coeffs = polyfit(x,y,4);

Valutare la funzione originale e l'adattamento polinomiale su una griglia più fine di punti compresi tra 0 e 2.

x2 = linspace(0,2);
yfcn = 1./(1+x2);
yfit = polyval(coeffs,x2);

Tracciare i valori della funzione e l'adattamento polinomiale nell'intervallo più ampio [0,2], con i punti utilizzati per ottenere l'adattamento polinomiale evidenziati come cerchi. L'adattamento polinomiale è adeguato nell'intervallo originale [0,1], ma diverge rapidamente dalla funzione originale al di fuori di tale intervallo.

plot(x,y,"o")
hold on
plot(x2,yfcn)
plot(x2,yfit,"--")
legend("Sample data","1/(1+x)","Fourth-degree polynomial")
hold off

Figure contains an axes object. The axes object contains 3 objects of type line. One or more of the lines displays its values using only markers These objects represent Sample data, 1/(1+x), Fourth-degree polynomial.

Generare innanzitutto un vettore di punti equidistanti nell'intervallo [0,2.5], quindi valutare erf(x) in quei punti.

x = (0:0.1:2.5)';
y = erf(x);

Adattare un polinomio di sesto grado ai dati.

coeffs = polyfit(x,y,6)
coeffs = 1×7

    0.0084   -0.0983    0.4217   -0.7435    0.1471    1.1064    0.0004

Per verificare l’adeguatezza dell’adattamento, valutare il polinomio in corrispondenza dei punti di dati e generare una tabella che mostri i dati, l'adattamento e l'errore.

yfit = polyval(coeffs,x);
T = table(x,y,yfit,y-yfit,VariableNames=["X" "Y" "Fit" "FitError"])
T = 26×4 table
     X        Y          Fit         FitError  
    ___    _______    __________    ___________

      0          0    0.00044117    -0.00044117
    0.1    0.11246       0.11185     0.00060836
    0.2     0.2227       0.22231     0.00039189
    0.3    0.32863       0.32872    -9.7429e-05
    0.4    0.42839        0.4288    -0.00040661
    0.5     0.5205       0.52093    -0.00042568
    0.6    0.60386       0.60408    -0.00022824
    0.7     0.6778       0.67775     4.6383e-05
    0.8     0.7421       0.74183     0.00026992
    0.9    0.79691       0.79654     0.00036515
      1     0.8427       0.84238      0.0003164
    1.1    0.88021       0.88005     0.00015948
    1.2    0.91031       0.91035    -3.9919e-05
    1.3    0.93401       0.93422      -0.000211
    1.4    0.95229       0.95258    -0.00029933
    1.5    0.96611       0.96639    -0.00028097
      ⋮

In questo intervallo, i valori interpolati e quelli correnti sono piuttosto vicini. Creare un grafico per mostrare che, al di fuori di questo intervallo, i valori estrapolati divergono rapidamente dai dati correnti.

x2 = (0:0.1:5)';
fcnextrap = erf(x2);
fitextrap = polyval(coeffs,x2);

plot(x,y,"o")
hold on
plot(x2,fcnextrap)
plot(x2,fitextrap,"--")
xlim([0 5])
legend("Sample data","erf(x)","Sixth-degree polynomial")
hold off

Figure contains an axes object. The axes object contains 3 objects of type line. One or more of the lines displays its values using only markers These objects represent Sample data, erf(x), Sixth-degree polynomial.

Creare dei dati campione sulla popolazione per gli anni dal 1750 al 2000 e tracciare i punti dati.

x = 1750:25:2000;
y = 1e6*[791 856 978 1050 1262 1544 1650 2532 6122 8170 11560];

Utilizzare polyfit per adattare un polinomio di quinto grado ai dati. È possibile migliorare il condizionamento numerico normalizzando il vettore di query prima di adattare un polinomio. Questo esempio normalizza i dati year e calcola un adattamento polinomiale di quinto grado. La funzione restituisce inoltre la centratura e la scalatura utilizzate per la normalizzazione.

[coeffsNorm,~,centerScale] = polyfit(x,y,5,Normalize=true);

Normalizzare i punti di query utilizzando lo stesso valore di centratura e scalatura, quindi valutare il polinomio specificando centerScale quando si chiama la funzione polyval. Quindi, tracciare i risultati.

yfit = polyval(coeffsNorm,x,[],centerScale);

plot(x,y,"o")
hold on
plot(x,yfit)
legend("Sample data","Fifth-degree polynomial")
hold off

Figure contains an axes object. The axes object contains 2 objects of type line. One or more of the lines displays its values using only markers These objects represent Sample data, Fifth-degree polynomial.

Adattare un modello lineare a una serie di punti di dati e tracciare i risultati, compresa una stima di un intervallo di previsione del 95%.

Creare qualche vettore di punti di dati campione (x, y). Utilizzare polyfit per adattare un polinomio di primo grado ai dati. Specificare due output per restituire i coefficienti dell'adattamento lineare nonché la struttura di stima dell'errore.

x = 0:100; 
y = -0.3*x + 2*randn(1,101); 
[coeffs,fitStats] = polyfit(x,y,1);

Valutare il polinomio di primo grado nei punti in x. Specificare la struttura di stima dell'errore come terzo input in modo che polyval calcoli una stima dell’errore standard. La stima dell'errore standard è restituita in delta.

[yfit,delta] = polyval(coeffs,x,fitStats);

Tracciare i dati originali, l'adattamento lineare e l'intervallo di previsione del 95% yfit±2Δ.

plot(x,y,"o")
hold on
plot(x,yfit)

xinterval = [x flip(x)];
yinterval = [yfit-2*delta flip(yfit)+2*delta];
interval = fill(xinterval,yinterval,"yellow",FaceAlpha=0.2);

legend("Sample data","First-degree polynomial","95% prediction interval")
hold off

Figure contains an axes object. The axes object contains 3 objects of type line, patch. One or more of the lines displays its values using only markers These objects represent Sample data, First-degree polynomial, 95% prediction interval.

Argomenti di input

comprimi tutto

Punti di query, specificati come vettore. I punti di query in x corrispondono ai valori adattati in y. Se x non è un vettore, polyfit lo converte in un vettore colonna x(:).

Un adattamento mal condizionato può risultare da punti di query ripetuti (o quasi ripetuti), punti di query molto distanziati o dall'utilizzo di un grado polinomiale elevato. Per migliorare il condizionamento, aggiungere punti di query distinti, normalizzare i dati specificando Normalize=true o ridurre il grado.

Tipi di dati: double | single
Supporto numeri complessi: Sì

Valori adattati ai punti di query, specificati come vettore. I valori adattati in y corrispondono ai punti di query in x. Se y non è un vettore, polyfit lo converte in un vettore colonna y(:).

Tipi di dati: double | single
Supporto numeri complessi: Sì

Grado di adattamento polinomiale, specificato come scalare intero positivo. n specifica la potenza polinomiale del primo coefficiente in coeffs.

Un adattamento mal condizionato può risultare da un grado polinomiale elevato. Per migliorare il condizionamento, ridurre il grado.

Da R2026b

Opzione per normalizzare i punti di query in x prima dell'adattamento, specificata come uno dei seguenti valori per il parametro Normalize:

  • true o 1: normalizza i punti di query in x prima dell'adattamento del polinomio, centrandoli su 0 e scalandoli in modo che abbiano una deviazione standard pari a 1.

  • false o 0: non normalizza i punti di query in x prima dell'adattamento del polinomio.

Per impostazione predefinita, se si specifica il terzo output centerScale, polyfit utilizza Normalize=true. In caso contrario, l'impostazione predefinita è Normalize=false.

La normalizzazione migliora il condizionamento numerico, soprattutto per polinomi di grado elevato o punti di query molto distanziati.

Esempio [coeffs,~,centerScale] = polyfit(x,y,n,Normalize=true) normalizza i punti di query in x, adatta un polinomio di grado n e restituisce il valore di centratura e di scalatura oltre ai coefficienti polinomiali in termini dei punti di query normalizzati.

Argomenti di output

comprimi tutto

Coefficienti di adattamento polinomiale ai minimi quadrati, restituiti come vettore. coeffs ha lunghezza n+1 e contiene i coefficienti polinomiali in ordine decrescente di potenza, dove il grado del polinomio è n.

Se x o y contiene uno o più valori NaN e n < length(x), tutti gli elementi in coeffs sono NaN.

È possibile valutare il polinomio rappresentato da coeffs utilizzando polyval. Se si chiama polyfit con Normalize=true, coeffs contiene coefficienti polinomiali diversi rispetto a quando i dati non sono normalizzati. Con i dati normalizzati, è necessario specificare anche centerScale quando si valuta il polinomio utilizzando polyval.

Statistiche di adattamento, restituite come struttura contenente questi campi.

CampoDescrizione
RFattore triangolare R (eventualmente permutato) da una decomposizione QR della matrice di Vandermonde di x
dfGradi di libertà dell'adattamento
normrNorma euclidea dei residui

rsquared (da R2024a)

Coefficiente di determinazione (R-quadrato non aggiustato)

È possibile stimare l'errore standard nella previsione di un'osservazione futura utilizzando fitStats con polyval. Se si chiama polyfit con Normalize=true, specificare centerScale oltre a fitStats quando si utilizza polyval.

Per stimare la covarianza dei coefficienti polinomiali, se i dati in y sono casuali, utilizzare (Rinv*Rinv')*normr^2/df, dove Rinv è l'inversa di R.

Valori di centratura e scalatura utilizzati per normalizzare i punti di query in x, restituiti come vettore a due elementi.

  • Se si specifica Normalize=true, centerScale(1) è mean(x) e centerScale(2) è std(x).

  • Se si specifica Normalize=false, centerScale(1) è 0 e centerScale(2) è 1.

Se si desidera valutare il polinomio adattato utilizzando la stessa normalizzazione, è possibile specificare centerScale come quarto input per polyval.

Limiti

  • Nei problemi con molti punti, aumentare il grado dell'adattamento polinomiale utilizzando polyfit non 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

(x1nx1n−1⋯1x2nx2n−1⋯1⋮⋮⋱⋮xmnxmn−1⋯1)(p1p2⋮pn+1)=(y1y2⋮ym)  ,

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.

Funzionalità estese

espandi tutto

Cronologia versioni

Introduzione prima di R2006a

espandi tutto