编辑最小二乘线的 x 限制

Question

我创建了两个散点图，然后使用 lsline 为每个图添加了回归线。我使用了这段代码：

for i=1:2
  x = ..;
  y = ..;
  scatter(x, y, 50, 'MarkerFaceColor',myColours(i, :));
end
h_lines = lsline;

但是，较暗的线远远超出散点图中的最后一个数据点（在 x=0.3 左右）：

lsline 似乎没有允许设置其水平范围的属性。在 Matlab 2016a 中，是否有针对两条线分别设置此项的解决方法？

Answer 1

您可以使用

获取定义线的点

h_lines =lsline;

h_lines(ii).XData 和 h_lines(ii).YData 将包含 2 个点，用于定义每个 ii=1,2 线的线。使用它们来创建直线方程，并在您想要的范围内绘制直线。

Answer 2

对于单个数据集

这是一种解决方法，而不是解决方案。 lsline 内部调用 refline，它绘制了一条填充轴 的线，由它们的当前限制 （xlim 和 ylim）给出。因此，您可以将这些限制更改为该行所需的范围，调用 lsline，然后恢复限制。

示例：

x = randn(1,100);
y = 2*x + randn(1,100); % random, correlated data
plot(x, y, '.') % scatter plot
xlim([-1.5 1.5]) % desired limit for line
lsline % plot line
xlim auto % restore axis limit

对于几个数据集

在这种情况下，您可以按顺序对每个数据集应用相同的过程，但是您需要在调用 lsline 时只保持一个数据集可见；否则，当您调用它来创建第二行时，它还会创建第一行的新版本（范围错误）。

示例：

x = randn(1,100); y = 2*x + randn(1,100); % random, correlated data
h = plot(x, y, 'b.'); % scatter plot
axis([min(x) max(x) min(y) max(y)]) % desired limit for line
lsline % plot line
xlim auto % restore axis limit
hold on
x = 2*randn(1,100) - 5; y = 1.2*x + randn(1,100) + 6; % random, correlated data
plot(x, y, 'r.') % scatter plot
axis([min(x) max(x) min(y) max(y)]) % desired limit for line
set(h, 'HandleVisibility', 'off'); % hide previous plot
lsline % plot line
set(h, 'HandleVisibility', 'on'); % restore visibility
xlim auto % restore axis limit

Answer 3

另一种解决方案：实施您自己的 hsline。很简单！

在 MATLAB 中，对直线进行最小二乘拟合是微不足道的。给定具有 N 个元素的列向量 x 和 y，b = [ones(N,1),x] \ y; 是最佳拟合线的参数。 [1,x1;1,x2]*b 是 x 坐标为 x1 和 x2 的直线上两点的 y 位置。因此你可以写（跟随，并得到完全相同的输出）：

N = 100;
x = randn(N,1); y = 2*x + randn(N,1); % random, correlated data
h = plot(x, y, 'b.'); % scatter plot
hold on
b = [ones(N,1),x] \ y;
x = [min(x);max(x)];
plot(x,[ones(2,1),x] * b, 'b-')

x = 2*randn(N,1) - 5; y = 1.2*x + randn(N,1) + 6; % random, correlated data
plot(x, y, 'r.') % scatter plot
b = [ones(N,1),x] \ y;
x = [min(x);max(x)];
plot(x,[ones(2,1),x] * b, 'r-')

编辑最小二乘线的 x 限制

Edit the x limits of least squares line

matlab

regression

least-squares

对于单个数据集

对于几个数据集