nlinfit不適合

我遇到了適合nlinfit的問題。我似乎無法弄清楚如何改善體型。減少TolX或TolFun並沒有改變coeff中的值。nlinfit不適合

model = @(a,x) 1./(1 + a*x.^2); 
model0 = [1e13]; 
opts = statset('TolX', 1e-25, 'TolFun', 1e-25); 
coeffs = nlinfit(freqData, noiseData, model, model0, opts);

這是我的身材。 http://i.imgur.com/v1dkd4X.png

來源

2013-07-23 user2612424

是否可以縮放或標準化數據，以便每個元素的大小接近1？如果保存了比例因子，則可以在擬合後「解除歸一化」。 – horchler

它似乎是你處理非常小的數字，所以可能存在浮點精度問題。爲什麼你不能將表達式轉換爲不同於，然後擬合，然後逆向變換？例如：

採取1/model的改造，現在你只是一個簡單的多項式擬合，

model_new=(x,a)=1+a*x.^2

在那裏你可以使用polyfit和polyval，然後採取1/result ...

來源

2013-07-23 22:57:17

像這樣轉換模型可能同樣危險 - 至少[它可以用於指數擬合]（http://www.mathworks.com/help/stats/examples/pitfalls-in-fitting-nonlinear-models-by -transforming到linearity.html）。人們需要注意並通過查看殘差等來確認結果。 – horchler

我適合模擬的數據看起來與您的相似，但不縮放：

enter image description here

訣竅在於檢查您的數據 - 在x〜40和〜150之間信號幅度從〜1.5降至〜1.0。然而，如果你檢查這個函數，很明顯它的值不應該低於1，所以它不能正確地建模數據。

這個數據是通過包括初始幅度更適合：

model_new = @(a,x) a(1)./(1 + a(2)*x.^2);

望着擬合函數繪製到您的數據看起來還包括縮放參數的地方。

包括一個振幅參數可以改善原始功能，但不一定安全：您的數據很嘈雜，而且沒有太大下降，所以您可以預期您的不確定性（和相關性）很大。

在擬合之前縮放數據可能在這裏沒有什麼幫助，因爲您沒有數據到x = 0，也不知道合適的縮放因子應該是多少。

來源

2013-07-24 04:37:04

回答

相關問題