La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

fitoptions

Crear o modificar el objeto de opciones de ajuste

Sintaxis

fitOptions = fitoptions

fitOptions = fitoptions(libraryModelName)

fitOptions = fitoptions(libraryModelName,Name,Value)

fitOptions = fitoptions(fitType)

fitOptions = fitoptions(Name,Value)

newOptions = fitoptions(fitOptions,Name,Value)

newOptions = fitoptions(options1,options2)

Descripción

fitOptions = fitoptions crea el objeto de opciones de ajuste predeterminado fitOptions.

fitOptions = fitoptions(libraryModelName) crea el objeto de opciones de ajuste predeterminado para el modelo de la biblioteca.

fitOptions = fitoptions(libraryModelName,Name,Value) crea las opciones de ajuste para el modelo de biblioteca especificado, con opciones adicionales especificadas por uno o más argumentos de par Name,Value.

fitOptions = fitoptions(fitType) obtiene el objeto de opciones de ajuste para el fitType especificado. Utilice esta sintaxis para trabajar con opciones de ajuste para modelos personalizados.

fitOptions = fitoptions(Name,Value) crea opciones de ajuste con opciones adicionales especificadas por uno o más argumentos de par Name,Value.

newOptions = fitoptions(fitOptions,Name,Value) modifica el objeto de opciones de ajuste existente fitOptions y devuelve opciones de ajuste actualizadas en newOptions con nuevas opciones especificadas por uno o más argumentos de par Name,Value.

newOptions = fitoptions(options1,options2) combina los objetos de opciones de ajuste existentes options1 y options2 en newOptions.

• Si Method coincide, los valores no vacíos de las propiedades en options2 anulan los valores correspondientes de options1 en newOptions.

• Si Method difiere, newOptions contiene el valor options1 para Method y valores de options2 para Normalize, Exclude y Weights.

Ejemplos

Modificar las opciones de ajuste predeterminadas para normalizar datos

Crear el objeto de opciones de ajuste predeterminado y definir la opción para centrar y escalar los datos antes del ajuste.

options = fitoptions;
options.Normal = 'on'

options = 
  basefitoptions with properties:

    Normalize: 'on'
      Exclude: []
      Weights: []
       Method: 'None'

Crear opciones de ajuste predeterminadas para el ajuste de Gauss

options = fitoptions('gauss2')

options = 
  nlsqoptions with properties:

       StartPoint: []
            Lower: [-Inf -Inf 0 -Inf -Inf 0]
            Upper: []
        Algorithm: 'Trust-Region'
    DiffMinChange: 1.0000e-08
    DiffMaxChange: 0.1000
          Display: 'Notify'
      MaxFunEvals: 600
          MaxIter: 400
           TolFun: 1.0000e-06
             TolX: 1.0000e-06
           Robust: 'Off'
        Normalize: 'off'
          Exclude: []
          Weights: []
           Method: 'NonlinearLeastSquares'

Definir opciones de ajuste polinomial

Cree opciones de ajuste para un polinomio cúbico y defina centro y escala y opciones de ajuste robusto.

options = fitoptions('poly3', 'Normalize', 'on', 'Robust', 'Bisquare')

options = 
  llsqoptions with properties:

        Lower: []
        Upper: []
       Robust: 'Bisquare'
    Normalize: 'on'
      Exclude: []
      Weights: []
       Method: 'LinearLeastSquares'

Crear opciones de ajuste para mínimos cuadrados lineales

options = fitoptions('Method', 'LinearLeastSquares')

options = 
  llsqoptions with properties:

        Lower: []
        Upper: []
       Robust: 'Off'
    Normalize: 'off'
      Exclude: []
      Weights: []
       Method: 'LinearLeastSquares'

Especificar el método de extrapolación para los ajustes de interpolación

Cree un objeto fitoptions para un ajuste de interpolación lineal con extrapolación por el vecino más cercano.

linearoptions = fitoptions("linearinterp",ExtrapolationMethod="nearest")

linearoptions = 
  linearinterpoptions with properties:

    ExtrapolationMethod: 'nearest'
              Normalize: 'off'
                Exclude: []
                Weights: []
                 Method: 'LinearInterpolant'

Cree un segundo objeto fitoptions para un ajuste de interpolación cúbico con extrapolación por el vecino más cercano.

cubicoptions = fitoptions("cubicinterp",ExtrapolationMethod="nearest")

cubicoptions = 
  cubicsplineinterpoptions with properties:

    ExtrapolationMethod: 'nearest'
              Normalize: 'off'
                Exclude: []
                Weights: []
                 Method: 'CubicSplineInterpolant'

Puede utilizar las opciones de ajuste de linearoptions para crear un objeto de ajuste linearinterp mediante la función fit. Utilice cubicoptions para crear un ajuste cubicinterp.

Utilizar opciones de ajuste idénticas en varios ajustes

Modificar los objetos de opciones de ajuste predeterminados es útil cuando quiere definir las propiedades Normalize, Exclude o Weights, y luego ajustar los datos con las mismas opciones, pero con distintos métodos de ajuste. Por ejemplo, a continuación se utilizan las mismas opciones de ajuste para distintos tipos de modelos de biblioteca.

load census
options = fitoptions;
options.Normalize = 'on';
f1 = fit(cdate,pop,'poly3',options);
f2 = fit(cdate,pop,'exp1',options);
f3 = fit(cdate,pop,'cubicspline',options)

f3 = 
     Cubic interpolating spline:
       f3(x) = piecewise polynomial computed from p
       with cubic extrapolation
       where x is normalized by mean 1890 and std 62.05
     Coefficients:
       p = coefficient structure

Buscar y cambiar la opción de ajuste de suavizado

Busque el parámetro de suavizado. Las opciones de ajuste que dependen de datos como el parámetro smooth se devuelven en el tercer argumento de salida de la función fit.

load census
[f,gof,out] = fit(cdate,pop,'SmoothingSpline');
smoothparam = out.p

smoothparam = 0.0089

Modifique el valor predeterminado del parámetro de suavizado para un nuevo ajuste.

options = fitoptions('Method','SmoothingSpline',...
                     'SmoothingParam',0.0098);
[f,gof,out] = fit(cdate,pop,'SmoothingSpline',options);

Aplicar límites de coeficiente para mejorar el ajuste de Gauss

Cree un ajuste de Gauss, inspeccione los intervalos de confianza y especifique las opciones de ajuste de límites inferiores para ayudar al algoritmo.

Cree una suma ruidosa de dos picos de Gauss, uno con una anchura pequeña y otro con una anchura grande.

a1 = 1; b1 = -1; c1 = 0.05;
a2 = 1; b2 = 1; c2 = 50;
x = (-10:0.02:10)';
gdata = a1*exp(-((x-b1)/c1).^2) + ...
        a2*exp(-((x-b2)/c2).^2) + ...
        0.1*(rand(size(x))-.5);
plot(x,gdata)

Ajuste los datos con los modelos de Gauss de dos términos de la biblioteca.

gfit = fit(x,gdata,'gauss2') 

gfit = 
     General model Gauss2:
     gfit(x) =  a1*exp(-((x-b1)/c1)^2) + a2*exp(-((x-b2)/c2)^2)
     Coefficients (with 95% confidence bounds):
       a1 =      -0.145  (-1.486, 1.195)
       b1 =       9.725  (-14.71, 34.16)
       c1 =       7.117  (-15.84, 30.07)
       a2 =       14.06  (-1.957e+04, 1.96e+04)
       b2 =         607  (-3.193e+05, 3.205e+05)
       c2 =       375.9  (-9.737e+04, 9.812e+04)

plot(gfit,x,gdata)

El algoritmo encuentra dificultades, tal como indican los amplios intervalos de confianza de varios coeficientes.

Para ayudar al algoritmo, especifique los límites inferiores para las amplitudes a1 y a2 y anchuras c1, c2 no negativas.

options = fitoptions('gauss2', 'Lower', [0 -Inf 0 0 -Inf 0]);

También puede definir propiedades de las opciones de ajuste con la forma options.Property = NewPropertyValue.

options = fitoptions('gauss2');
options.Lower = [0 -Inf 0 0 -Inf 0];

Recalcule el ajuste con los límites de restricción de los coeficientes.

gfit = fit(x,gdata,'gauss2',options) 

gfit = 
     General model Gauss2:
     gfit(x) =  a1*exp(-((x-b1)/c1)^2) + a2*exp(-((x-b2)/c2)^2)
     Coefficients (with 95% confidence bounds):
       a1 =       1.005  (0.966, 1.044)
       b1 =          -1  (-1.002, -0.9988)
       c1 =      0.0491  (0.0469, 0.0513)
       a2 =      0.9985  (0.9958, 1.001)
       b2 =      0.8059  (0.3879, 1.224)
       c2 =        50.6  (46.68, 54.52)

plot(gfit,x,gdata)

Este ajuste es mucho mejor. Puede mejorar más el ajuste asignando valores razonables a otras propiedades en el objeto de opciones de ajuste.

Copiar y combinar opciones de ajuste

Cree opciones de ajuste y defina límites inferiores.

options = fitoptions('gauss2', 'Lower', [0 -Inf 0 0 -Inf 0])

options = 
  nlsqoptions with properties:

       StartPoint: []
            Lower: [0 -Inf 0 0 -Inf 0]
            Upper: []
        Algorithm: 'Trust-Region'
    DiffMinChange: 1.0000e-08
    DiffMaxChange: 0.1000
          Display: 'Notify'
      MaxFunEvals: 600
          MaxIter: 400
           TolFun: 1.0000e-06
             TolX: 1.0000e-06
           Robust: 'Off'
        Normalize: 'off'
          Exclude: []
          Weights: []
           Method: 'NonlinearLeastSquares'

Haga otra copia de las opciones de ajuste y modifique el parámetro robusto.

newoptions = fitoptions(options, 'Robust','Bisquare')

newoptions = 
  nlsqoptions with properties:

       StartPoint: []
            Lower: [0 -Inf 0 0 -Inf 0]
            Upper: []
        Algorithm: 'Trust-Region'
    DiffMinChange: 1.0000e-08
    DiffMaxChange: 0.1000
          Display: 'Notify'
      MaxFunEvals: 600
          MaxIter: 400
           TolFun: 1.0000e-06
             TolX: 1.0000e-06
           Robust: 'Bisquare'
        Normalize: 'off'
          Exclude: []
          Weights: []
           Method: 'NonlinearLeastSquares'

Combine las opciones de ajuste.

options2 = fitoptions(options, newoptions)

options2 = 
  nlsqoptions with properties:

       StartPoint: []
            Lower: [0 -Inf 0 0 -Inf 0]
            Upper: []
        Algorithm: 'Trust-Region'
    DiffMinChange: 1.0000e-08
    DiffMaxChange: 0.1000
          Display: 'Notify'
      MaxFunEvals: 600
          MaxIter: 400
           TolFun: 1.0000e-06
             TolX: 1.0000e-06
           Robust: 'Bisquare'
        Normalize: 'off'
          Exclude: []
          Weights: []
           Method: 'NonlinearLeastSquares'

Cambiar las opciones de ajuste de modelos personalizados

Cree un tipo de ajuste de modelo lineal.

lft = fittype({'x','sin(x)','1'})

lft = 
     Linear model:
     lft(a,b,c,x) = a*x + b*sin(x) + c

Obtenga las opciones de ajuste para el tipo de ajuste lft.

fo = fitoptions(lft)

fo = 
  llsqoptions with properties:

        Lower: []
        Upper: []
       Robust: 'Off'
    Normalize: 'off'
      Exclude: []
      Weights: []
       Method: 'LinearLeastSquares'

Defina la opción de ajuste normalizada.

fo.Normalize = 'on'

fo = 
  llsqoptions with properties:

        Lower: []
        Upper: []
       Robust: 'Off'
    Normalize: 'on'
      Exclude: []
      Weights: []
       Method: 'LinearLeastSquares'

Argumentos de entrada

libraryModelName — Modelo de biblioteca para el ajuste

vector de caracteres | escalar de cadena

Modelo de biblioteca para el ajuste, especificado como un vector de caracteres o escalar de cadena. Esta tabla muestra algunos ejemplos habituales.

Nombre de modelo de biblioteca	Descripción
'poly1'	Curva polinomial lineal
'poly11'	Superficie polinomial lineal
'poly2'	Curva polinomial cuadrática
'linearinterp'	Interpolación lineal por tramos
'cubicinterp'	Interpolación cúbica por tramos
'smoothingspline'	Spline de suavizado (curva)
'lowess'	Regresión lineal local (superficie)
'log10'	Curva logarítmica en base 10
'logistic4'	Curva logística de cuatro parámetros

Para ver una lista de nombres de modelos de biblioteca, consulte Nombres y ecuaciones de modelos.

Ejemplo: 'poly2'

Tipos de datos: char | string

fitType — Tipo de modelo para el ajuste

fittype

Tipo de modelo para el ajuste, especificado como un fittype construido con la función fittype. Utilícelo para trabajar con opciones de ajuste para modelos personalizados.

fitOptions — Opciones de algoritmo

fitoptions

Opciones de algoritmo, especificadas como un objeto fitoptions creado con la función fitoptions.

options1 — Opciones de algoritmo para combinar

fitoptions

Opciones de algoritmo para combinar, construidas con la función fitoptions.

options2 — Opciones de algoritmo para combinar

fitoptions

Opciones de algoritmo para combinar, construidas con la función fitoptions.

Argumentos de par nombre-valor

Especifique pares de argumentos opcionales Name1=Value1,...,NameN=ValueN, donde Name es el nombre del argumento y Value el valor correspondiente. Los argumentos nombre-valor deben aparecer tras otros argumentos, aunque no importa el orden de los pares.

En versiones anteriores a R2021a, utilice comas para separar cada nombre y valor, y encierre Name entre comillas.

Ejemplo: 'Method','NonlinearLeastSquares','Lower',[0,0],'Upper',[Inf,max(x)],'Startpoint',[1 1] especifica el método de ajuste, límites y puntos de partida.

Opciones para todos los métodos de ajuste

Normalize — Opción para centrar y escalar datos

'off' (predeterminado) | 'on'

Opción para centrar y escalar datos, especificada como el par separado por comas compuesto por 'Normalize' y 'on' u 'off'.

Tipos de datos: char

Exclude — Puntos que excluir del ajuste

expresión | vector índice | vector lógico | vacío

Puntos que excluir del ajuste, especificados como el par separado por comas compuesto por 'Exclude' y uno de los siguientes:

• Una expresión que describe un vector lógico, por ejemplo, x > 10.

• Un vector de enteros que indexa los puntos que quiere excluir, por ejemplo, [1 10 25].

• Un vector lógico para todos los puntos de datos, donde true representa un valor atípico, creado por excludedata.

Para obtener ejemplos, consulte fit.

Weights — Ponderaciones para el ajuste

[ ] (predeterminado) | vector

Ponderaciones para el ajuste, especificadas como el par separado por comas compuesto por 'Weights' y un vector del mismo tamaño que el número de puntos de datos.

Tipos de datos: double

Method — Método de ajuste

'None' (predeterminado) | 'NearestInterpolant | 'LinearInterpolant' | 'PchipInterpolant' | CubicSplineInterpolant' | ...

Método de ajuste, especificado como el par separado por comas compuesto por 'Method' y uno de los métodos de ajuste de esta tabla.

Método de ajuste	Descripción
'NearestInterpolant'	Interpolación vecina más cercana
'LinearInterpolant'	Interpolación lineal
'PchipInterpolant'	Interpolación cúbica por tramos de Hermite (solo curvas)
'CubicSplineInterpolant'	Interpolación por splines cúbicos
'BiharmonicInterpolant'	Interpolación de superficie biarmónica
'SmoothingSpline'	Spline de suavizado
'LowessFit'	Suavizado de Lowess (solo superficies)
'LinearLeastSquares'	Mínimos cuadrados lineales
'NonlinearLeastSquares'	Mínimos cuadrados no lineales

Tipos de datos: char | string

Opciones de interpolación

ExtrapolationMethod — Método de extrapolación

"auto" (predeterminado) | "none" | "linear" | "nearest" | "thinplate" | "biharmonic" | "pchip" | "cubic"

Método de extrapolación para un ajuste de interpolación, especificado como uno de los siguientes valores:

Valor	Descripción	Ajustes admitidos
"auto"	Valor predeterminado para todos los tipos de ajuste de interpolación. Establezca ExtrapolationMethod en "auto" para asignar automáticamente un método de extrapolación cuando utilice la función fit.	Todos los tipos de ajuste de interpolación y ajustes de curva cubicspline
"none"	Sin extrapolación. Cuando se utiliza fitOptions con la función fit para evaluar puntos de consulta fuera de la envolvente convexa, fit devuelve NaN.	Ajustes de curva: cubicspline y pchipinterp Ajustes de curva y de superficie: cubicinterp, linearinterp y nearestinterp
"linear"	Extrapolación lineal basada en gradientes de límite	Ajustes de superficie: cubicinterp y nearestinterp Ajustes de curva y de superficie: linearinterp
"nearest"	Extrapolación por el vecino más cercano. Este método evalúa el valor del punto más cercano en el límite de la envolvente convexa de los datos de ajuste.	Ajustes de curva: cubicspline y pchipinterp Ajustes de curva y de superficie: cubicinterp, linearinterp y nearestinterp
"thinplate"	Extrapolación por spline de thin-plate. Este método amplía el spline de interpolación de thin-plate hasta más allá de la envolvente convexa de los datos de ajuste. Para obtener más información, consulte tpaps.	Ajustes de superficie: thinplateinterp
"biharmonic"	Extrapolación por spline biarmónico. Este método amplía el spline de interpolación biarmónico hasta más allá de la envolvente convexa de los datos de ajuste.	Ajustes de superficie: biharmonicinterp
"pchip"	Extrapolación por PCHIP (interpolación cúbica por tramos de Hermite). Este método amplía una PCHIP que conserva la forma hasta más allá de la envolvente convexa de los datos de ajuste. Para obtener más información, consulte pchip.	Ajustes de curva: pchipinterp
"cubic"	Extrapolación por spline cúbico. Este método amplía un spline de interpolación cúbico hasta más allá de la envolvente convexa de los datos de ajuste.	Ajustes de curva: cubicinterp y cubicspline

Tipos de datos: char | string

Opciones de suavizado

SmoothingParam — Parámetro de suavizado

valor escalar en el rango (0,1)

Parámetro de suavizado, especificado como el par separado por comas compuesto por 'SmoothingParam' y un valor escalar entre 0 y 1. El valor predeterminado depende del conjunto de datos. Solo disponible si el Method es SmoothingSpline. Para obtener más información, consulte Sobre splines de suavizado.

Tipos de datos: double

Span — Proporción de puntos de datos que utilizar en regresiones locales

0.25 (predeterminado) | valor escalar en el rango (0,1)

Proporción de puntos de datos que utilizar en regresiones locales, especificada como el par separado por comas compuesto por 'Span' y un valor escalar entre 0 y 1. Solo disponible si el Method es LowessFit.

Tipos de datos: double

Opciones de mínimos cuadrados lineales y no lineales

Robust — Método de ajuste robusto de mínimos cuadrados lineales

'off' (predeterminado) | 'LAR' | 'Bisquare'

Método de ajuste robusto de mínimos cuadrados lineales, especificado como el par separado por comas compuesto por 'Robust' y uno de estos valores:

• 'LAR' especifica el método de mínimo residual absoluto.

• 'Bisquare' especifica el método de ponderaciones bicuadradas.

Disponible cuando el Method es LinearLeastSquares o NonlinearLeastSquares.

Tipos de datos: char

Lower — Límites inferiores de coeficientes que ajustar

[ ] (predeterminado) | vector

Límites inferiores de coeficientes que ajustar, especificados como el par separado por comas compuesto por 'Lower' y un vector. El valor predeterminado es un vector vacío, que indica que el ajuste no está restringido por límites inferiores. Si se especifican los límites, la longitud del vector debe ser igual al número de coeficientes. Encuentre el orden de las entradas para los coeficientes en el valor del vector con la función coeffnames. Para ver un ejemplo, consulte fit. Los límites inferiores individuales ilimitados se pueden especificar con -Inf.

Disponible cuando el Method es LinearLeastSquares o NonlinearLeastSquares.

Tipos de datos: double

Upper — Límites superiores de coeficientes que ajustar

[ ] (predeterminado) | vector

Límites superiores de coeficientes que ajustar, especificados como el par separado por comas compuesto por 'Upper' y un vector. El valor predeterminado es un vector vacío, que indica que el ajuste no está restringido por límites superiores. Si se especifican los límites, la longitud del vector debe ser igual al número de coeficientes. Encuentre el orden de las entradas para los coeficientes en el valor del vector con la función coeffnames. Para ver un ejemplo, consulte fit. Los límites superiores individuales ilimitados se pueden especificar con +Inf.

Disponible cuando el Method es LinearLeastSquares o NonlinearLeastSquares.

Tipos de datos: logical

Opciones de mínimos cuadrados no lineales

StartPoint — Valores iniciales para coeficientes

[ ] (predeterminado) | vector

Valores iniciales para los coeficientes, especificados como el par separado por comas compuesto por 'StartPoint' y un vector. Encuentre el orden de las entradas para los coeficientes en el valor del vector con la función coeffnames. Para ver un ejemplo, consulte fit.

Si no se trasladan puntos de partida (el valor predeterminado de un vector vacío) a la función fit, los puntos de partida para algunos modelos de biblioteca se determinan de forma heurística. Para modelos racionales y de Weibull, y todos los modelos personalizados no lineales, la toolbox selecciona los valores iniciales predeterminados para los coeficientes de forma uniforme y aleatoria del intervalo (0,1). Como resultado, varios ajustes con los mismos datos y modelo podrían derivar en distintos coeficientes ajustados. Para evitarlo, especifique valores iniciales en coeficientes con un valor de vector para la propiedad StartPoint.

Disponible cuando el Method es NonlinearLeastSquares.

Tipos de datos: double

Algorithm — Algoritmo para el proceso de ajuste

'Levenberg-Marquardt' (predeterminado) | 'Trust-Region'

Algoritmo para el proceso de ajuste, especificado como el par separado por comas compuesto por 'Algorithm' y 'Levenberg-Marquardt' o 'Trust-Region'.

Disponible cuando el Method es NonlinearLeastSquares.

Tipos de datos: char

DiffMaxChange — Cambio máximo en los coeficientes para gradientes de diferencias finitas

0.1 (predeterminado)

Cambio máximo en los coeficientes para gradientes de diferencias finitas, especificado como el par separado por comas compuesto por 'DiffMaxChange' y un escalar.

Disponible cuando el Method es NonlinearLeastSquares.

Tipos de datos: double

DiffMinChange — Cambio mínimo en los coeficientes para gradientes de diferencias finitas

10–8 (predeterminado)

Cambio mínimo en los coeficientes para gradientes de diferencias finitas, especificado como el par separado por comas compuesto por 'DiffMinChange' y un escalar.

Disponible cuando el Method es NonlinearLeastSquares.

Tipos de datos: double

Display — Opción de visualizar en la ventana de comandos

'notify' (predeterminado) | 'final' | 'iter' | 'off'

Opción de visualizar en la ventana de comandos, especificada como el par separado por comas compuesto por 'Display' y una de estas opciones:

• 'notify' solo muestra salidas si el ajuste no converge.

• 'final' solo muestra la salida final.

• 'iter' muestra la salida en cada iteración.

• 'off' no muestra salida alguna.

Disponible cuando el Method es NonlinearLeastSquares.

Tipos de datos: char

MaxFunEvals — Número máximo de evaluaciones de modelo permitidas

600 (predeterminado)

Número máximo de evaluaciones de modelo permitidas, especificado como el par separado por comas compuesto por 'MaxFunEvals' y un escalar.

Disponible cuando el Method es NonlinearLeastSquares.

Tipos de datos: double

MaxIter — Número máximo de iteraciones permitidas para el ajuste

400 (predeterminado)

Número máximo de iteraciones permitidas para el ajuste, especificado como el par separado por comas compuesto por 'MaxIter' y un escalar.

Disponible cuando el Method es NonlinearLeastSquares.

Tipos de datos: double

TolFun — Tolerancia de terminación en el valor del modelo

10–6 (predeterminado)

Tolerancia de terminación en el valor del modelo, especificada como el par separado por comas compuesto por 'TolFun' y un escalar.

Disponible cuando el Method es NonlinearLeastSquares.

Tipos de datos: double

TolX — Tolerancia de terminación en los valores de coeficiente

10^–6 (predeterminado)

Tolerancia de terminación en los valores de coeficiente, especificada como el par separado por comas compuesto por 'TolX' y un escalar.

Disponible cuando el Method es NonlinearLeastSquares.

Tipos de datos: double

Argumentos de salida

fitOptions — Opciones de algoritmo

objeto de opciones

Opciones de algoritmo, devueltas como un objeto de opciones.

newOptions — Nuevas opciones de algoritmo

objeto de opciones

Nuevas opciones de algoritmo, devueltas como un objeto de opciones.

Historial de versiones

Introducido antes de R2006a

R2023b: Especificar el método de extrapolación para los ajustes de interpolación de curva

A partir de la versión 2023b, puede especificar métodos de extrapolación adicionales para los ajustes de interpolación de curva utilizando el argumento de par nombre-valor ExtrapolationMethod. Para obtener más información, consulte Extrapolation for Interpolant Fit Types.

R2023b: Especificar los tipos de ajuste sigmoide y logarítmico

A partir de la versión R2023b, puede especificar los tipos de ajuste sigmoide y logarítmico para los ajustes de curva. Para obtener más información, consulte Lista de modelos de biblioteca para ajuste de curvas y de superficie.

R2023a: fitoptions devuelve objetos de valor

A partir de la versión R2023a, fitoptions devuelve objetos de valor en lugar de objetos de identificador. Para obtener más información, consulte Comparación de clases de identificadores y valores.

R2023a: Especificar el método de extrapolación para los ajustes de interpolación de superficie

A partir de la versión 2023a, puede especificar el método de extrapolación para los ajustes de interpolación utilizando el argumento de par nombre-valor ExtrapolationMethod. Para los ajustes de curvas, Curve Fitting Toolbox™ solo admite los métodos de extrapolación predeterminados disponibles en versiones anteriores.

Consulte también

Apps

• Curve Fitter

Funciones

• fit | fittype | get | set | setoptions

Temas

• Especificar las opciones de ajuste y los puntos de partida optimizados
• Posprocesar ajustes
• Lista de modelos de biblioteca para ajuste de curvas y de superficie