Main Content

線形回帰と非線形回帰

線形または非線形ライブラリ モデルまたはカスタム モデルを使用した曲線や曲面の近似

回帰は、応答 (出力) 変数と 1 つ以上の予測子 (入力) 変数との間の関係を推定するための手法です。観測データ点間の値の予測、予想、推定を行うため、線形回帰と非線形回帰を使用できます。Curve Fitting Toolbox™ の関数では、線形モデルや非線形モデルまたはカスタム式を使用して曲線や曲面をデータに当てはめ、回帰を実行できます。

対話的に曲線や曲面をデータに当てはめるには、曲線フィッター アプリを使用します。詳細については、曲線近似を参照してください。また、コマンド ラインで関数 fit を使用して、一連のデータを曲線や曲面で近似することもできます。簡単な例については、多項式の曲線近似を参照してください。

アプリ

曲線フィッター曲線や曲面によるデータへの近似

関数

すべて展開する

excludedata近似からデータを除外
fit曲線または曲面によるデータへの近似
fittype曲線近似および曲面近似の近似タイプ
fitoptions近似オプション オブジェクトを作成または変更する
prepareCurveData データ入力を曲線近似用に準備する
prepareSurfaceDataデータ入力を曲面近似用に準備する
argnames cfitsfit、または fittype のオブジェクトの入力引数名
categorycfitsfit、または fittype のオブジェクトの近似のカテゴリ
coeffnamescfitsfit、または fittype のオブジェクトの係数名
coeffvaluescfit または sfit オブジェクトの係数の値
dependnamescfitsfit、または fittype のオブジェクトの従属変数
fevalcfitsfit または fittype オブジェクトの評価
formulacfitsfit、または fittype のオブジェクトの式
get近似オプションの構造体のプロパティの名前と値を取得する
indepnamescfitsfit、または fittype のオブジェクトの独立変数
islinearcfitsfit、または fittype のオブジェクトが線形かどうかを判断する
numargscfitsfit、または fittype のオブジェクトの入力引数の数
numcoeffscfitsfit、または fittype のオブジェクトの係数の数
probnamescfitsfit、または fittype のオブジェクトの問題依存パラメーター名
set近似オプションの構造体への値の割り当て
setoptions モデル近似オプションを設定
typecfitsfit、または fittype のオブジェクトの名前

トピック

チュートリアル

  • パラメトリック近似
    曲線フィッター アプリおよび関数 fit 用のすべてのライブラリ モデル タイプの確認、近似オプションの設定、開始点の最適化。
  • 最小二乗近似の紹介
    誤差分布、線形最小二乗法、重み付き最小二乗法、ロバスト最小二乗法、非線形最小二乗法を使用した最小二乗近似の実行。
  • 多項式モデル
    曲線フィッター アプリまたは関数 fit での多項式による近似。
  • 指数モデル
    曲線フィッター アプリまたは関数 fit での指数モデルによる近似。
  • Fit Logarithmic Models
    A logarithmic model has a steep initial period of growth before continuing to grow at a slower rate. Logarithmic models are used in a variety of applications, such as studies of population growth and signal processing. Curve Fitting Toolbox supports the logarithmic models described in the following table.In the above equations, a is a scaling parameter and b is the value for Y when x = 1. You can convert between the different logarithmic models using the change of base formula logj(x)=logi(x)logi(j), where j is the base of the model to convert to, and i is the base of the model being converted. The logarithmic model you use to fit to your data depends on the type of problem you are solving.
  • フーリエ モデルによる近似
    曲線フィッター アプリまたは関数 fit でのフーリエ級数モデルによる近似。
  • ガウス モデル
    曲線フィッター アプリまたは関数 fit でのガウス モデルによる近似。
  • べき級数
    曲線フィッター アプリまたは関数 fit でのべき級数モデルによる近似。
  • 有理モデル
    曲線フィッター アプリまたは関数 fit での有理多項式モデルによる近似。
  • 正弦波の和モデル
    曲線フィッター アプリまたは関数 fit での正弦波の和モデルによる近似。
  • ワイブル分布
    曲線フィッター アプリまたは関数 fit でのワイブル分布モデルによる近似。
  • Fit Sigmoidal Models
    Sigmoidal models are S-shaped curves that are commonly used to model dose-response curves and population dynamics. These models are also used in many artificial neural networks as activation functions. Curve Fitting Toolbox supports logistic, 4-parameter logistic, and Gompertz sigmoidal models with the following equations. In these equations, a and d are parameters for the horizontal asymptotes, and b is a growth rate parameter. For a 4-parameter logistic model, the input data x must contain all positive or all negative elements, and c is the midpoint between the horizontal asymptotes. For a Gompertz model, c is the inflection point for the curve. For a logistic model, c is both the midpoint and the inflection point.
  • カスタム モデル
    必要なパラメトリック方程式が Curve Fitting Toolbox ライブラリに含まれていない場合は、独自のカスタム式を作成することができます。
  • カスタム線形近似
    曲線フィッター アプリで、[カスタム式] 近似を使用して独自の線形方程式または非線形方程式を定義できます。

ツールのワークフロー

プログラムのワークフロー