其实,Logistic模型是在是个非常老的问题了,第一次参加院赛,给的数据是美国的人口数据,可以非常好的与Logistic模型拟合,于是我用的就是Logistic模型,只不过当时对Matlab还比较生,程序写的是在不再不怎么样,现实建立一个M文件作为函数模型,又调用nlinfit()函数才完成,书中是自己运用Logistic的推导过程,先转成线性模型然后再回归分析,未尝不是个好方法。

M源文件(与书中源码相比,略有改动):

拟合效果:

clip_image001

当然,其实用Curve Fitting Tools图形工具箱也可以完成。

clip_image002

不过这时,我们需要对模拟的原型赋以一个初值,具体方法是在建立了New Equation后,选中点Fitting Options,然后对下方的a,b的StartPoint值修改——不要小看这一步,有时参数计算合理与否全依仗这个初值怎么赋……相比之下,第一种将非线性转化成线性的方法就没有这么费事,这就是自己写程序的好处啦。

在顺便说句题外话,如今Excel原来越强大,光用Excel也可以完成一些初等模型的拟合,包括线性回归、对数回归等经典模型,上手快,效果不错。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

您可以使用这些HTML标签和属性: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code class="" title="" data-url=""> <del datetime=""> <em> <i> <q cite=""> <strike> <strong> <pre class="" title="" data-url=""> <span class="" title="" data-url="">

你可以管理本篇文章的订阅。

Post Navigation