函數 > 數據分析 > 平滑 > 自適應平滑法
自適應平滑法
supsmooth 函數執行超級平滑法,此快速演算法使用可調整的範圍,計算數據的局部線性擬合。
supsmooth(vx, vy) - 傳回分段使用 vy 中每個元素上對稱最接近鄰點線性最小平方法擬合所建立的向量,其中最接近的鄰點是會情況選擇。
當數據處在寬度相對固定的頻帶時,supsmooth 函數最能發揮其功效。
supsmooth 演算法利用執行局部線性擬合的局部平滑法。至於中值平滑法,演算法會在數據間移動,並集中在值範圍上。視窗內的 xy 值會用以決定局部線性最小平方擬合。
會為每個使用交叉驗證預測的 x 值計算視窗長度。當數據在不同的量測部份顯示不同的雜訊度時,局部視窗調整會使得 supsmooth 特別有用。
部份數據類型必須先後使用兩種不同類型的演算法,才可獲得較佳的平滑度。您可能會希望比較此方法與中值平滑法或高斯核平滑法。loess 多項式遞歸技巧是另一種有效的平滑法。
引數
vx 是將元素嚴謹遞升排序的實數向量。沒有兩個值完全相同。
vy 是長度與 vx 相同的實數向量。
這是否有幫助?