Curve Fitting Toolbox

Lissage

Les algorithmes de lissage sont largement utilisés pour supprimer les bruits des ensembles de données tout en préservant des formes pertinentes. Curve Fitting Toolbox prend en charge à la fois les splines de lissage et la régression localisée, vous permettant ainsi de générer un modèle prédictif sans avoir à indiquer une relation fonctionnelle entre les variables.

Localized regression model.

Modèle de régression localisée. Vous pouvez utiliser les techniques de lissage pour générer des modèles prédictifs sans indiquer une relation paramétrique entre les variables.

Ajustement non paramétrique 4:07
Développez un modèle prédictif lorsque vous ne pouvez pas définir de fonction décrivant les relations entre les variables.

Curve Fitting Toolbox prend en charge la régression localisée soit à l'aide d'un polynôme du premier ordre (lowess), soit à l'aide d'un polynôme du second ordre (loess). La boîte à outils propose également des options de régression localisée robuste pour ajuster les ensembles de données contenant des valeurs aberrantes. Curve Fitting Toolbox prend également en charge des lisseurs de moyennes mobiles tels que les filtres Savitzky-Golay.

Exploratory data analysis using a Savitzky-Golay filter.

Analyse de données exploratoire par le biais d'un filtre Savitzky-Golay. Les données de lissage permettent d'identifier les composantes périodiques.

Point suivant: Aperçu et prétraitement des données

Essayer Curve Fitting Toolbox

Obtenir une version d'évaluation

Du dimensionnement à la génération de code avec le Model Based Design (MBD) - Exemple d'une climatisation avec Simscape et Simulink

Visionner le webinar