在Matlab中使用局部加权回归方法（LOWESS）拟合2D数据

Question

我第一次尝试使用局部加权回归算法（LOWESS）在Matlab中拟合二维数据点

[x, y]

（

x

和

y

都是一维条目）。我实现了下面的代码片段，其中使用了嘈杂的高斯曲线，并尝试使用 LOWESS 方法恢复

[x, yfitted]

。

clearvars;
close all;
clc;

n = 10;
fit_frac = 0.2;
x = zeros(n, 1); x(1:end) = 1:n;
dx = 0.1;
x = x*dx;
xcenter = (n + 1)/2*dx;
x = x - xcenter;
% Gaussian initial signal
y = exp(-x.^2./sqrt(2));
% ad an offset of 1%;
y = y + 0.01.*max(y).*(rand(n, 1)*2 - 1);
%
datain = [x, y];
argfrac = fit_frac.*ones(n, 1);
% f = fit(data(cid).w_store.', data(cid).p_store.', 'lowess');
f = fit(datain, argfrac, 'lowess');

尽管如此，当我

 figure; plot(f);

绘制拟合数据的 3D 图而不是 2D 图，在我最好的情况下，这将恢复原始高斯分布。

谁能帮我解决这个问题吗？

Answer 1

你的语法，

fit([x,y],z,...)

适合表面。并且

lowess

模型仅支持拟合曲面（根据 文档）。因此，您将在

f

中获得合适的曲面。

你想要拟合高斯，所以你应该使用

gauss1

模型进行拟合：

f = fit(x, y, 'gauss1');
plot(f, x, y)