%a.载入数据 load('regression.mat'); %b.数据在X和Y变量中 %c.数据可视化 scatter(X,Y,'k.','LineWidth',1.5);…
- User
%a.载入数据
load('regression.mat');
%b.数据在X和Y变量中
%c.数据可视化
scatter(X,Y,'k.','LineWidth',1.5); xlabel('X'); ylabel('Y');
%d.最小二乘拟合
% 合并X和一个全1列,构造Xaug Xaug = [ones(size(X)), X]; % 定义目标函数 squaredCost = @(beta, dataAug, labels) sum((dataAugbeta - labels).^2); % 初始化beta beta0 = [0; 0]; % 使用fminsearch进行最小化 beta = fminsearch(@(b) squaredCost(b, Xaug, Y), beta0); % 展示beta和误差 disp('beta: '); disp(beta); cost = squaredCost(beta, Xaug, Y); disp(['squared cost: ', num2str(cost)]); % 绘制拟合曲线 hold on; plot(X, Xaugbeta, 'b-', 'LineWidth', 2); hold off;
squaredCostReduced = @(beta) squaredCost(beta, Xaug, Y);
%g.使用fminsearch拟合
% 初始化beta beta0 = [0; 0]; % 使用fminsearch进行最小化 beta = fminsearch(squaredCostReduced, beta0); % 展示beta和误差 disp('beta: '); disp(beta); cost = squaredCost(beta, Xaug, Y); disp(['squared cost: ', num2str(cost)]); % 绘制拟合曲线 hold on; plot(X, Xaugbeta, 'b-', 'LineWidth', 2); hold off;
%h.polyfit拟合
% 使用polyfit进行拟合 p = polyfit(X, Y, 1); % 展示beta disp('polyfit coefficients: '); disp§; % 验证beta是否与fminsearch返回的匹配 disp('matching coefficients?'); disp(isequal(p', beta(2:-1:1)))); % 绘制拟合曲线 hold on; plot(X, polyval(p, X), 'g-', 'LineWidth', 2); hold off;
%i.正态方程拟合
% 正态方程解析解 beta_analytical = inv(Xaug' * Xaug) * Xaug' * Y; % 展示beta disp('analytical solution: '); disp(beta_analytical); % 验证beta是否与fminsearch返回的匹配 disp('matching coefficients?'); disp(isequal(beta_analytical, beta))); % 绘制拟合曲线 hold on; plot(X, Xaugbeta_analytical,'y-', 'LineWidth', 2); hold off;
%j.使用左除符号\拟合
% 使用左除符号进行拟合 beta_leftdiv = Xaug \ Y; % 展示beta disp('left division solution: '); disp(beta_leftdiv); % 验证beta是否与fminsearch返回的匹配 disp('matching coefficients?'); disp(isequal(beta_leftdiv, beta))); % 绘制拟合曲线 hold on; plot(X, Xaugbeta_leftdiv, 'm-', 'LineWidth', 2); hold off;
%k.使用regress进行拟合
% 使用regress进行线性拟合 [b, bint, r, rint, stats] = regress(Y, Xaug); % 展示beta和参数区间估计 disp('regress coefficients: '); disp(b); disp('parameters confidence intervals: '); disp(bint); disp('model is valid?'); disp(stats(3) < 0.05);
%l.最小绝对偏差拟合
% 编写新的目标函数 absoluteCost = @(beta, dataAug, labels) sum(abs(dataAugbeta - labels)); % 使用fminsearch进行最小化 beta_abs = fminsearch(@(b) absoluteCost(b, Xaug, Y), beta0); % 展示beta和误差 disp('beta (absolute): '); disp(beta_abs); cost_abs = absoluteCost(beta_abs, Xaug, Y); disp(['absolute cost: ', num2str(cost_abs)]); % 绘制拟合曲线 hold on; plot(X, Xaugbeta_abs, 'r-', 'LineWidth', 2); hold off;
以上代码中disp§;是什么
- Assistant
这是一个小错误,应该是disp(p)。disp函数是MATLAB中用于将数据输出到命令窗口的函数。在这里,它用于输出polyfit函数返回的拟合系数p的值。
- User
请给出具体解释
- Assistant
disp函数是MATLAB中用于将数据输出到命令窗口的函数。在这个项目中,它被用于输出多个变量和常数的值,比如beta、cost、b、bint、stats等。这些值对于理解拟合函数的性能和拟合的好坏等方面是至关重要的,使用disp函数可以将它们输出到命令窗口以供查看和分析。在之前提到的错误中,disp§;应该是一个笔误,正确的应该是disp(p)。这里的p是polyfit函数返回的拟合系数向量,包含两个系数,对应于一次线性拟合的截距和斜率。使用disp(p)可以将这些系数的值输出到命令窗口。
- User
有其他表示方法吗
- Assistant
除了使用disp函数输出到命令窗口,还可以将这些值赋给变量,再进行其他操作。比如可以将拟合系数赋给一个变量beta,然后使用beta进行后续的操作,比如绘制拟合曲线。同样,可以将误差赋给一个变量cost,或将参数区间估计赋给变量bint等等。这样做的好处是可以在程序中方便地使用这些值,而不需要在命令窗口中反复查看。
- User
disp(isequal(p', beta(2:-1:1))));
- Assistant
这行代码会将一个布尔值输出到命令窗口,表示p'和beta(2:-1:1)是否相等。具体来说,首先使用p'将拟合系数的向量进行转置,然后使用beta(2:-1:1)将beta向量中的第二个和第一个元素交换位置,并对结果向量进行转置。最后,使用isequal函数将这两个向量进行比较,即p'和beta的第二个和第一个元素是否相等,如果相等则返回true,否则返回false。这行代码用于检查polyfit返回的拟合系数和使用fminsearch返回的拟合系数是否相等,如果相等的话输出true,否则输出false。
- User
disp(isequal(p’, beta(2:-1:1))));这行代码有什么错误
- Assistant
是的,这行代码有一个错误,即多了一个右括号")"。应该改为:
disp(isequal(p', beta(2:-1:1)));即去掉最后一个右括号。这行代码的作用是比较
p'和beta向量中的相应元素是否相等,如果都相等则返回true,否则返回false。具体来说,p'是使用polyfit函数得到的拟合系数向量,beta是使用fminsearch函数得到的拟合系数向量,它们的元素顺序不同,因此需要先将beta向量中的第二个和第一个元素交换顺序,再进行比较。如果这两个向量中的元素都相同,则返回true,否则返回false。这个比较的结果可以用于判断polyfit和fminsearch得到的拟合系数之间是否存在差异。