matlab如何做线性拟合

1. matlab如何做线性拟合

方法一
1、最常用的是多项式拟合，采用polyfit函数，在命令窗口输入自变量x和因变量y。

2、以二次多项式拟合为例，输入p=polyfit(x,y,2)，如果想拟合更高次的多项式，更换括号内数字即可。

方法二
1、在MATLAB自带的曲线拟合工具包上方工具栏选取APPS，点击curve fitting。在上方工具栏选取APPS，点击curve fitting

2、输入自变量x和因变量y。

3、选择拟合方式，有多项式拟合polynomial，高斯拟合gaussian，幂指数拟合power等等，本次以多项式拟合为例。

4、通过数据计算，可以获得曲线参数（曲线函数中的各项系数），从而实现曲线拟合。

2. 在matlab中如何根据拟合图得到函数？

在matlab中根据拟合图得到函数步骤如下：
1、常用的模型有多项式模型、幂函数模型、指数函数模型等。

2、设出函数，用命令“plot”绘出图像作为对比。

3、准备好散点数据，用命令“plot”绘出散点作为对比。

4、调用函数“fit”，参数包括散点数据和曲线拟合模型。

5、按回车键即可完成曲线拟合，p1、p2、p3为多项式前面的系数。

3. 怎么用matlab进行数据的多元拟合

如何用matlab进行数据的多元函数拟合？
1、拟合前，我们应准备x1,x2,x3,。。。,y的一系列数据
2、将x1,x2,x3,。。。数据赋值给X变量
3、自定义多元函数拟合函数，如func=@(a,x)a(1)*x1+a(2)*x2+a(3)*x3+a(4)，a为拟合系数
4、初定a的初始值，如a0=[0,0,0,0] %其个数必须与拟合显示对应
5、利用nlinfit或lsqcurvefit函数，求其拟合系数。如
[a,r,J]=nlinfit(X,y,func,a0)
这里，a为拟合系数；r为残差； J为Jacobian 矩阵
6、利用nlparci函数，求得拟合系数的置信区间，即
ci = nlparci(p,r,J)
7、计算拟合值，即 yi=func(a,x)
8、计算原数据与拟合数据的相关性，如R²≈1，则认为拟合是合理的。

4. 如何用matlab数据拟合函数?

Matlab有一个功能强大的曲线拟合工具箱 cftool ，使用方便，能实现多种类型的线性、非线性曲线拟合。下面结合我使用的 Matlab R2007b 来简单介绍如何使用这个工具箱。\x0d\x0a\x0d\x0a假设我们要拟合的函数形式是 y=A*x*x + B*x, 且A>0,B>0。\x0d\x0a\x0d\x0a1、在命令行输入数据：\x0d\x0a》x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447 296.204 311.5475]；\x0d\x0a》y=[5 10 15 20 25 30 35 40 45 50]；\x0d\x0a\x0d\x0a2、启动曲线拟合工具箱\x0d\x0a》cftool\x0d\x0a\x0d\x0a3、进入曲线拟合工具箱界面“Curve Fitting tool”\x0d\x0a（1）点击“Data”按钮，弹出“Data”窗口；\x0d\x0a（2）利用X data和Y data的下拉菜单读入数据x,y，可修改数据集名“Data set name”，然后点击“Create data set”按钮，退出“Data”窗口，返回工具箱界面，这时会自动画出数据集的曲线图；\x0d\x0a（3）点击“Fitting”按钮，弹出“Fitting”窗口；\x0d\x0a（4）点击“New fit”按钮，可修改拟合项目名称“Fit name”，通过“Data set”下拉菜单选择数据集，然后通过下拉菜单“Type of fit”选择拟合曲线的类型，工具箱提供的拟合类型有：\x0d\x0aCustom Equations：用户自定义的函数类型\x0d\x0aExponential：指数逼近，有2种类型， a*exp(b*x) 、 a*exp(b*x) + c*exp(d*x)\x0d\x0aFourier：傅立叶逼近，有7种类型，基础型是 a0 + a1*cos(x*w) + b1*sin(x*w)\x0d\x0aGaussian：高斯逼近，有8种类型，基础型是 a1*exp(-((x-b1)/c1)^2)\x0d\x0aInterpolant：插值逼近，有4种类型，linear、nearest neighbor、cubic spline、shape-preserving\x0d\x0aPolynomial：多形式逼近，有9种类型，linear ~、quadratic ~、cubic ~、4-9th degree ~\x0d\x0aPower：幂逼近，有2种类型，a*x^b 、a*x^b + c\x0d\x0aRational：有理数逼近，分子、分母共有的类型是linear ~、quadratic ~、cubic ~、4-5th degree ~；此外，分子还包括constant型\x0d\x0aSmoothing Spline：平滑逼近（翻译的不大恰当，不好意思）\x0d\x0aSum of Sin Functions：正弦曲线逼近，有8种类型，基础型是 a1*sin(b1*x + c1)\x0d\x0aWeibull：只有一种，a*b*x^(b-1)*exp(-a*x^b)

5. 如何用matlab拟合出两组数据之间的关系？

如何用matlab拟合出两组数据之间的关系？具体如下：
可以直接用矩阵来存放数据。
当数据比较繁杂时，可以从excel等文件中导入。当所有数据存入工作空间后，在命令窗口中输入ftool,点击回车。
在拟合工具窗口的左边，选择变量，就是分别选择x和y。选择拟合需要的曲线类型，常规就是是线性拟合，平滑曲线等。
选择后会自动拟合，并给出拟合函数的表达式。
Matlab是一个很强大的数据处理软件，是人们进行数据分析的得力助手。一般我们做社会调研或科学研究时，会得到很多实验数据。当需要研究两个变量之间的关系时，经常要用到曲线拟合。曲线拟合不仅能给出拟合后的关系式，还能用图形直观的展现出变量之间的关系。 其实用matlab做曲线拟合很便捷。

6. matlab拟合函数？

题主给出中国人口预测问题（二），可以使用英国经济学家马尔萨斯提出的Malthus模型来拟合与预测。其步骤：
第一步，自定义Malthus模型函数（指数函数），如
func=@(k,t)N0*exp(D*(t-t0))
这里,N0=60.2;t0=1954;
第二步，利用1954-2005年的数据，分别使用lsqcurvefit函数，求出系数D。即
[D,resnorm,residual,exitflag]=lsqcurvefit(func,a0,t,N);
第三步，计算拟合值，即
x1=func(D,t);
第四步，计算相关系数R^2,即
R2=R2_fun(x,x1);
第五步，预测2010年和2030年的人口数，即
xhat=func(D,2010);
disp(['预测2010年人口数为',num2str(xhat),'千万'])
xhat=func(D,2030);
disp(['预测2030年人口数为',num2str(xhat),'千万'])
第六步，使用plot函数绘制，中国人口数的统计数据与预测模型曲线对比图,即
plot(t,x,'*-',t,x1,'+-')
第七步，标注图例，即
legend('统计数据','Malthus模型')
第八步，编写标题，即
title='中国人口数的统计数据与Malthus模型曲线对比';
第九步，标注坐标轴名称，即
xlabel('年份');ylabel('人口（千万）');
最后，编写程序，并运行可以得到如下结果。
其他问题与上述过程类似。

7. 如何用matlab数据拟合函数

8. matlab怎么根据数据拟合公式

　　不管是什么程序（matlab或是excel），你必须得告许程序目标拟合公式的形式。这里的形式，是指你的公式是多项式型、对数型、三角形或其它的形式，但是这个公式里面有待定的系数，而这个系数就是通过拟合得到的。
　　还有就是数据拟合，一般采用最小二乘的方法，这种方法并不是所有形式的公式都可以拟合。如果你的公式比较复杂，比如上说是一个积分形式，并且这个积分还不能显示的积出来，需要数值积分才可以积出来的话，用最小二乘法就不行了，这时，matlab是没有现成的函数来进行拟合的，这时就需要自己编程序来实现，比如可以运用“黄金分割法”、“Powell优化”等方法来实现。
　　但，如你所提的问题，多项式是可以拟合的，多项式拟合也是最基本的数据拟合。可是呢，你又不知这个多项式是多少次的，这时候就需要根据你对已有数据观察加以判断了。你可以先假定是N次的，然后根据拟合的效果看是否需要更改。数据拟合并没有标准答案，只要你拟合出来的曲线和已有的数据符得相对比较好就行了。转载，仅供参考。