MATLABలో ఉత్తమమైన ఫిట్ లైన్‌ను ఎలా ప్లాట్ చేయాలి?

Matlablo Uttamamaina Phit Lain Nu Ela Plat Ceyali



కర్వ్ ఫిట్టింగ్ అనేది డేటా పాయింట్లలో ఫంక్షన్‌ను అమర్చే ప్రక్రియ. ఫంక్షన్ మరియు డేటా పాయింట్ల మధ్య లోపాన్ని తగ్గించడం ద్వారా MATLABలో ఉత్తమంగా సరిపోయే లైన్‌ను ప్లాట్ చేయడానికి ఈ పద్ధతి ఉపయోగించబడుతుంది. ఇది సంక్లిష్టమైన పద్ధతి అయితే MATLAB వివిధ కర్వ్ ఫిట్టింగ్ ఫంక్షన్‌లను అందించడం ద్వారా దీన్ని సులభతరం చేస్తుంది. అటువంటి ఫంక్షన్ ఒకటి polyfit() MATLABలో ఉత్తమంగా సరిపోయే లైన్‌ను ప్లాట్ చేయడానికి ఉపయోగించవచ్చు.

MATLABలో ఉత్తమంగా సరిపోయే లైన్‌ను ఎలా ప్లాట్ చేయాలో ఈ బ్లాగ్ వివరించబోతోంది polyfit() ఫంక్షన్.

MATLABలో ఉత్తమమైన ఫిట్ లైన్‌ను ఎలా ప్లాట్ చేయాలి?

MATLABలో ఉత్తమంగా సరిపోయే లైన్‌ను ప్లాట్ చేయడం అంతర్నిర్మితాన్ని ఉపయోగించి సులభంగా చేయవచ్చు polyfit() ఫంక్షన్. ఇచ్చిన డేటా పాయింట్‌లలో వక్రరేఖను అమర్చడం ద్వారా డేటా ఉజ్జాయింపు కోసం ఈ ఫంక్షన్ ఉపయోగించబడుతుంది. ఫంక్షన్ డేటా పాయింట్లు మరియు బహుపది డిగ్రీతో సహా బహుళ ఆర్గ్యుమెంట్‌లను తీసుకుంటుంది. ది polyfit() ఫంక్షన్ ఏదైనా పాయింట్‌లో బహుపదిని మూల్యాంకనం చేయడానికి ఉపయోగించే కోఎఫీషియంట్స్ వెక్టార్‌ను ఉత్పత్తి చేస్తుంది.







మనకు n డేటా పాయింట్లు ఉన్నట్లయితే, n-1 కంటే తక్కువ డిగ్రీని కలిగి ఉన్న బహుపదిని వ్రాయడం సాధ్యమవుతుంది, అది అన్ని డేటా పాయింట్ల ద్వారా వెళ్ళవచ్చు లేదా పాస్ చేయకపోవచ్చు polyfit() ఫంక్షన్.



వాక్యనిర్మాణం

ది polyfit() ఫంక్షన్ అనేక సింటాక్స్‌లను కలిగి ఉంది, వీటిని MATLABలో కర్వ్-ఫిట్టింగ్ టాస్క్‌లను నిర్వహించడానికి ఉపయోగించవచ్చు:



p = పాలీఫిట్ ( x,y,n )
[ p,S ] = పాలీఫిట్ ( x,y,n )
[ p,S,mu ] = పాలీఫిట్ ( x,y,n )

ఇక్కడ:





ఫంక్షన్ p = పాలీఫిట్(x,y,n) కోసం గుణకాలను అందిస్తుంది బహుపది p(x) yలోని డేటా కోసం అతి తక్కువ చతురస్ర పద్ధతిని ఉపయోగించి ఉత్తమంగా సరిపోయే రేఖను అందించే డిగ్రీ n కలిగి ఉంటుంది. p పొడవు n+1ని కలిగి ఉంటుంది మరియు p యొక్క గుణకాలు అవరోహణ క్రమంలో అధికారాలను కలిగి ఉంటాయి.

ఫంక్షన్ [p,S] = పాలీఫిట్(x,y,n) S నిర్మాణాన్ని ఇస్తుంది, ఇది లో ఉపయోగించవచ్చు పాలీవాల్() లోపం అంచనాలను పొందడానికి ఒక వాదనగా పని చేస్తుంది.



ఫంక్షన్ [p , S , in ] = పాలీఫిట్ ( x , y , n ) కేంద్రీకరణ మరియు స్కేలింగ్ కోసం విలువలను కలిగి ఉన్న రెండు మూలకాలతో వెక్టర్‌గా muని అందిస్తుంది. ది లో (1) కు సమానం సగటు(x) , అయితే లో (2) సమానముగా std(x) . ఈ ఎంపికలతో, polyfit() xని సర్దుబాటు చేస్తుంది, తద్వారా దాని సున్నా-విలువ అవుట్‌పుట్ యూనిట్ ప్రామాణిక విచలనాన్ని కలిగి ఉంటుంది.

ఉదాహరణలు

యొక్క పనిని అర్థం చేసుకోవడానికి ఇచ్చిన ఉదాహరణలను అనుసరించండి polyfit() MATLABలో ఉత్తమంగా సరిపోయే లైన్‌ను ప్లాట్ చేయడానికి ఫంక్షన్.

ఉదాహరణ 1: పాలిఫిట్(x, y, n) ఫంక్షన్‌ని ఉపయోగించి MATLABలో బెస్ట్ ఫిట్ లైన్‌ను ఎలా ప్లాట్ చేయాలి?

ఈ ఉదాహరణ మొదట విరామం [0, 20] కలిగి ఉన్న 11 సమాన అంతరాల మూలకాలను కలిగి ఉన్న వెక్టర్ xని సృష్టిస్తుంది. అప్పుడు అది ఎర్రర్ ఫంక్షన్‌ని ఉపయోగించి అన్ని x లకు సంబంధించిన y విలువలను కనుగొంటుంది యార్డ్(x) . ఆ తరువాత, ఇది ఉపయోగిస్తుంది polyfit() ఇచ్చిన డేటా పాయింట్లలో 9వ-డిగ్రీ బహుపదిని అమర్చడం కోసం ఫంక్షన్. చివరగా, ఇది బహుపది మూల్యాంకన ఫలితాలను చక్కటి గ్రిడ్‌తో ప్లాట్ చేస్తుంది.

x = [ 0 : 2 : ఇరవై ] ';
y = వారసత్వం(x);
p = పాలీఫిట్(x,y,9);
f = పాలీవాల్(p,x);
ప్లాట్(x,y,'
',x,f,' - ')

ఉదాహరణ 2: [p, S]= polyfit(x, y, n) ఫంక్షన్‌ని ఉపయోగించి MATLABలో ఉత్తమ ఫిట్ లైన్‌ను ఎలా ప్లాట్ చేయాలి?

ఈ MATLAB కోడ్ మొదట విరామం [0, 20] కలిగి ఉన్న 11 సమాన అంతరాల మూలకాలతో వెక్టర్ xని సృష్టిస్తుంది. అప్పుడు అది ఉపయోగించి అన్ని x లకు సంబంధించిన y విలువలను కనుగొంటుంది పాపం(x) ఫంక్షన్. ఆ తరువాత, ఇది ఉపయోగిస్తుంది polyfit() ఇచ్చిన డేటా పాయింట్లలో 10వ-డిగ్రీ బహుపదిని అమర్చడం కోసం ఫంక్షన్. చివరగా, ఇది బహుపది మూల్యాంకన ఫలితాలను చక్కటి గ్రిడ్‌తో ప్లాట్ చేస్తుంది.

x = [ 0 : 2 : ఇరవై ] ';
y = పాపం(x);
[p,S] = పాలీఫిట్(x,y,10)
f = పాలీవాల్(p,x);
ప్లాట్(x,y,'
',x,f,' - ')

ముగింపు

MATLAB అంతర్నిర్మితాన్ని కలిగి ఉంది polyfit() ఉత్తమంగా సరిపోయే లైన్‌ను ప్లాట్ చేయడానికి ఫంక్షన్. ఈ ఫంక్షన్ ఇచ్చిన డేటా పాయింట్లలో వక్రరేఖను అమర్చడం ద్వారా డేటాను అంచనా వేయడానికి అనుమతిస్తుంది. మనకు n డేటా పాయింట్లు ఉన్నట్లయితే, n-1 కంటే తక్కువ డిగ్రీని కలిగి ఉన్న బహుపది, ఇచ్చిన n డేటా పాయింట్‌లకు ఉత్తమమైన ఉజ్జాయింపుని అందిస్తుంది. ఈ గైడ్ మాకు కర్వ్ ఫిట్టింగ్ గురించి సమాచారాన్ని అందించింది మరియు MATLABలో ఉత్తమంగా సరిపోయే లైన్‌ను ఎలా ప్లాట్ చేయాలో అర్థం చేసుకోవడంలో మాకు సహాయపడుతుంది.