为什么 Matlab 中的fit函数这么慢？我正在尝试使用gauss4，以便获得高斯人的手段。
这是我的阴谋，
我想从蓝色数据和红色数据中获取手段。
我在那里拟合高斯，但这个函数真的很慢。
还有其他选择吗？
fa = fit(fn', facm', 'gauss4');
acm = [fa.b1 fa.b2 fa.b3 fa.b4];
a_cm = sort(acm, 'ascend');
【问题讨论】：
标签： matlab curve-fitting
我会应用fit 提供的一些options。这些包括通过设置SmoothingParam 进行平滑处理（您的数据非常嘈杂，应用时域过滤器的替代方案也可能有帮助*），并使用StartPoint 设置初始参数估计值。您的配合也可能不会收敛，因为您将公差（TolFun，TolX）设置得太低，尽管从检查您的配合看来情况并非如此，但实际上可能相反，您可能想要增加MaxIter 和/或MaxFunEvals。
要弄清楚如何开始，您还可以尝试Spectr-O-Matic toolbox。它需要 Matlab 7.12。它包括一个名为GaussFit.m 的脚本以使gauss4 适合数据，但它也使用fit 例程并提供有关如何设置和获取参数的示例。
【讨论】：
fit 使用 Levenberg-Marquardt 作为默认值，大多数非线性拟合例程处理此类问题也是如此。事实上，我不知道你能比 L-M 做得更好。
一般来说，如果将其应用于较短的系列，函数会更快。因此，如果加速真的很重要，您可以降采样。
例如，如果你有一个向量，你想通过因子 2 进行下采样：（你可能需要先确保它适合）
n = 2;
x = sin(0.01:0.01:pi);
x_downsampled = x(1:n:end)+x(2:n:end);
您现在将看到 x_downsampled 小得多（因此应该更容易处理），但仍具有相同的形状。在你的情况下，我认为这已经足够了。 看看你得到了什么尝试： 情节（x）
现在您可以简单地处理x_downsampled 并映射您的解决方案，例如
f = find(x_downsampled == max(x_downsampled));
location_of_maximum = f * n;
不用说，这应该与fit 函数必须提供的最有效选项结合使用。
【讨论】：