27 lines
1.1 KiB
Mathematica
27 lines
1.1 KiB
Mathematica
|
% donnees_apprentissage;
|
|||
|
|
donnees_test;
|
|||
|
|
|
|||
|
|
% % Degr<EFBFBD> de la courbe de B<EFBFBD>zier utilis<EFBFBD>e comme mod<EFBFBD>le (testez plusieurs valeurs de d entre 2 et 20) :
|
|||
|
|
degres = 2:5:20;
|
|||
|
|
%
|
|||
|
|
% % Estimation des param<EFBFBD>tres de la courbe de B<EFBFBD>zier (sauf beta_0 et beta_d) :
|
|||
|
|
% beta_estime = moindres_carres(D_app,beta_0,beta_d,d);
|
|||
|
|
%
|
|||
|
|
% % Trac<EFBFBD> de la courbe de B<EFBFBD>zier estim<EFBFBD>e, de degr<EFBFBD> d (trait rouge) :
|
|||
|
|
% y_estime = bezier(beta_0,beta_estime,beta_d,x);
|
|||
|
|
% plot(x,y_estime,'-r','MarkerSize',10,'LineWidth',3);
|
|||
|
|
% lg = legend(' Modele exact',' Donnees d''apprentissage',[' Modele estime ($d=' num2str(d) '$)'],'Location','Best');
|
|||
|
|
% set(lg,'Interpreter','Latex');
|
|||
|
|
|
|||
|
|
% for d=degres
|
|||
|
|
% beta_estime = moindres_carres(D_app,beta_0,beta_d,d);
|
|||
|
|
% y_estime = bezier(beta_0,beta_estime,beta_d,x);
|
|||
|
|
% plot(x,y_estime,'MarkerSize',10,'LineWidth',3, 'DisplayName', ['d=',num2str(d)]);
|
|||
|
|
% end
|
|||
|
|
|
|||
|
|
for d = degres
|
|||
|
|
beta_estime = moindres_carres(D_test, beta_0, beta_d, d);
|
|||
|
|
y_estime = bezier(beta_0, beta_estime, beta_d, x);
|
|||
|
|
plot(x, y_estime, 'MarkerSize', 10, 'LineWidth', 3, 'DisplayName', ['d=', num2str(d)]);
|
|||
|
|
end
|