このページは機械翻訳を使用して翻訳されました。元の英語を参照するには、ここをクリックします。
分布近似をもつヒストグラムのプロット
この例では、分布をThingSpeak™チャネルのデータに適合させる方法を示します。マサチューセッツ州の高速道路の交通密度データのヒストグラムと分布への近似を同時に生成します。
Car-Counter ThingSpeakチャネルからデータを読み取る
車カウンターThingSpeakチャネルは、 Raspberry Pi™ と Web カメラを使用して、交通量の多い高速道路上の車を数えます。車を数えるアルゴリズムが Raspberry Pi 上で実行されており、15 秒ごとに計数された車の密度がThingSpeakに送信されます。Field 1 と 2 には東方向と西方向の交通データがそれぞれ含まれています。
data = thingSpeakRead(38629,'NumDays',1,'Fields',[1,2],'outputFormat','table');
データのフィルター処理
分布を当てはめる前に、データをフィルターしてゼロを削除します。
data_without_zeros = data.DensityOfEastboundCars(data.DensityOfEastboundCars > 0);
ヒストグラムのプロットと分布の近似
東方向の交通データをヒストグラムとして可視化し、normal
、poisson
、gamma
、kernel
などの分布で近似します。データを可視化すると、根底にある分布の形状を理解するのに役立ちます。ノンパラメトリック カーネル平滑化分布を近似します。
number_of_bins = 20; histfit(data_without_zeros,number_of_bins,'kernel'); xlabel('Bins for density of cars every 15 seconds'); title('Fitting Kernel Function on Distribution of Eastbound Cars in the Past Day');
ヒストグラムと近似は、分布が右に偏っていることを示しています。
参考
関数
histfit
(Statistics and Machine Learning Toolbox) |thingSpeakRead