Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

分布近似をもつヒストグラムのプロット

この例では、ThingSpeak™ チャネルのデータに合わせて分布を近似する方法を説明します。分布をヒストグラム データに近似させる方法を把握できます。

メモ

この例を実行するには、Statistics and Machine Learning Toolbox を使用するライセンスの与えられた MathWorks アカウントにログインしていなければなりません。

自動車のカウンターの ThingSpeak チャネルからデータを読み取る

自動車カウンターの 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で車の台数をカウントします。自動車のカウント アルゴリズムは Raspberry Pi で実行され、15 秒ごとにカウントされた自動車の台数が 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

分布を近似する前に、データ中のゼロをフィルターで除外します。

data_without_zeros = data.NumberOfEastboundCars(data.NumberOfEastboundCars > 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。

figure;
number_of_bins = 20;
% Fit a non-parametric kernel smoothing distribution
histfit(data_without_zeros,number_of_bins,'kernel');

xlabel('Bins for number of cars every 15 seconds');
title('Fitting Kernel function on Distribution of Eastbound Cars in the last one day');

このヒストグラムは、15 秒ごとの東に向かう車の台数分布が右に向かって傾斜していることを示しています。

参考

関数