matlab画 NIR 光谱预测值与真实值之间的散点关系图

在MATLAB中，你可以使用`scatter`函数来创建NIR光谱预测值与真实值之间的散点图，这通常用于可视化模型的性能评估。以下是绘制这种图形的基本步骤：

1. **数据准备**：首先，你需要两个向量，一个是真实的NIR光谱值（通常是实验测量的结果），另一个是你模型预测的值。

true_values = [真实光谱值的数据];
predicted_values = [模型预测的光谱值];

2. **创建散点图**：使用`scatter`函数，并将这两个向量作为输入，x轴对应于真实值，y轴对应于预测值。

scatter(true_values, predicted_values);
xlabel('True Values');
ylabel('Predicted Values');
title('NIR Spectral Prediction vs. Actual Value Scatter Plot');

3. **添加更多信息**：如果你想展示每一点的频率或者颜色代表一些其他属性，可以利用`hold on`并在同一个图上添加额外的信息。

4. **调整视觉效果**：最后，可以添加网格线(`grid on`)、坐标轴范围等，以改进图表的可读性。

hold on;
grid on;
xlim([min(min(true_values), min(predicted_values)), max(max(true_values), max(predicted_values))]);

相关问题

如何用matlab将校正集和验证集图标信息标在同一张 NIR 光谱预测值与真实值之间关系散点图上

在MATLAB中，你可以使用`plot`函数创建一张包含校正集（Correction Set）和验证集（Validation Set）的数据点的散点图，同时展示预测值与真实值的关系。这里是一个简单的步骤：

1. **数据准备**：
- 确保你已经分别有校正集的光谱预测值（Predicted NIR values, `pred_correct`），真实值(`true_correct`)，以及验证集的预测值(`pred_validate`)和真实值(`true_validate`)。

2. **创建坐标轴**：

   figure; % 创建一个新的图形窗口
   hold on; % 保持当前图层以便添加更多数据点

3. **绘制校正集散点**：

   scatter(true_correct, pred_correct, 'b', 'filled'); % 使用蓝色圆点表示校正集，'filled'指定填充颜色
   xlabel('True Values (NIR)'); % x轴标签为真实值
   ylabel('Predicted Values (NIR)'); % y轴标签为预测值
   title('NIR Spectra Predictions vs. Actuals - Correction Set');

4. **绘制验证集散点**：

   scatter(true_validate, pred_validate, 'r', 'filled'); % 使用红色圆点表示验证集

5. **添加图例**：

   legend('Correction Set', 'Validation Set'); % 显示图例区分两个数据集

6. **调整图表风格**（如需）：

   grid on; % 添加网格线
   axis equal; % 保持x轴和y轴的比例一致

7. **保存图像**：

   saveas(gcf, 'scatter_plot_nir.png'); % 将图保存为png文件

完成以上步骤后，你就得到了一张同时展示了校正集和验证集的NIR光谱预测值与真实值关系的散点图。

如何用matlab将校正集和验证集的 NIR 光谱预测值与真实值之间展现在同一张散点关系图上

在MATLAB中，你可以按照以下步骤来创建一张散点图，展示校正集（Calibration Set）和验证集（Validation Set）的近红外(NIR)光谱预测值与真实值之间的关系：

1. **数据准备**：
- 确保你已经有了两个矩阵，分别存储校正集和验证集的NIR光谱预测值（`predicted_values_cal` 和 `predicted_values_val`），以及对应的真实值（`actual_values_cal` 和 `actual_values_val`）。

2. **创建图表**：

   % 创建一个新的图形窗口
   figure

   % 分别绘制校正集和验证集的数据
   % 使用plot函数，第一个参数是X轴（实际值），第二个参数是Y轴（预测值）
   hold on  % 保持当前坐标系，以便在同一图上添加更多数据
   plot(actual_values_cal, predicted_values_cal, 'o', 'MarkerFaceColor', 'b', 'DisplayName', 'Calibration Set')
   plot(actual_values_val, predicted_values_val, 'o', 'MarkerFaceColor', 'r', 'DisplayName', 'Validation Set')

   % 添加标题和标签
   title('NIR Spectra Predictions vs Actual Values (Calibration & Validation Sets)')
   xlabel('Actual Values')
   ylabel('Predicted Values')
   legend位置  % 根据需要设置legend的位置，如'Best'、'NorthWest'等

   % 关闭hold状态，让所有数据都显示在同一张图上
   hold off

3. **调整图表细节**：
- 可能的话，可以考虑增加图例颜色区分，或者调整点大小、线型等视觉效果以增强可读性。

4. **保存图像**：

   saveas(gcf, 'NIR_Spectra_Prediction_vs_Actual.png', 'png')  % 将图像保存为PNG格式

完成以上步骤后，你就得到了一张展示了校正集和验证集NIR光谱预测值与真实值之间关系的散点图。