一、线性拟合

1. 常用辅助函数

2. 多元线性拟合

例子：

二、多项式拟合

三、lsqcurvefit函数

例子1：

例子2：

四、nlinfit非线性拟合

例子1：

例子2：

五、其他拟合函数

lsqnonlin

fittype

一、线性拟合

1. 常用辅助函数

format：变换数据显示格式

simple：简化符号表达式或矩阵

syms：定义符号变量

pretty：显示为标准印刷格式

roundn(a,-4)：将a的数值保留为4位小数

2. 多元线性拟合

例子：

X1=[ones(length(X(:, 1)), 1), X];%%加值为1的一列，因为拟合方程中有常数项
[beta, bint, r, rint, states]=regress(Y, X1)% 多元线性回归% y=beta(1)+beta(2)*x1+beta(3)*x2+beta(4)*x3+...% beta—系数估计% bint—系数估计的上下置信界% r—残差% rint—诊断异常值的区间% states—模型统计信息
rcoplot(r, rint)%%绘制残差图
saveas(gcf,sprintf('线性曲线拟合_残差图.jpg'),'bmp');%%保存为图片

二、多项式拟合

p=polyfit(x,y,m)

对数据进行m次多项式拟合，返回拟合多项式的系数向量

polyval(p,x0)

将x0带入，求出多项式的值

poly2str（p,'t')

把系数向量转化为多项式的代数表达式

三、lsqcurvefit函数

例子1：

xdata=[1,2,3];
ydata=[14,35,67];fun=@(x,xdata)x^2+sin(x);  %%拟合函数？
x0=[0,0,0];  %系统初值
y=lsqcurvefit(fun,xo,xdata,ydata)

例子2：

function yy=myfun(beta,x) %自定义拟合函数
yy=beta(1)+beta(2)*x(:, 1)+beta(3)*x(:, 2)+beta(4)*x(:, 3)+beta(5)*(x(:, 1).^2)+beta(6)*(x(:, 2).^2)+beta(7)*(x(:, 3).^2);
endbeta0=ones(7, 1);% 初始值的选取可能会导致结果具有较大的误差。
[beta,resnorm,r, ~, ~, ~, J]=lsqcurvefit(@myfun,beta0,X,Y)% 在最小二乘意义上解决非线性曲线拟合（数据拟合）问题% beta—系数估计% resnorm—残差的平方范数 sum((fun(x,xdata)-ydata).^2)% r—残差 r=fun(x,xdata)-ydata% J—雅可比矩阵
[Ypred,delta]=nlpredci(@myfun, X, beta, r, 'Jacobian', J)
plot(X(:, 1), Y, 'k.', X(:, 1), Ypred, 'r');
saveas(gcf,sprintf('非线性曲线拟合_2.jpg'),'bmp');

四、nlinfit非线性拟合

例子1：


xdata=[1,2,3];
ydata=[14,35,67];%%样本数据myfun=inline('(beta(1)+beta(2).*exp(-x))','beta','x'); %%beta为要求得的拟合方程系数矩阵
beta0=[0.2,0.2];  %%设初值beta=nlinfit（xdata,ydata,myfunc,beta0);%%求拟合方程系数

例子2：

function yy=myfun(beta,x) %自定义拟合函数
yy=beta(1)+beta(2)*x(:, 1)+beta(3)*x(:, 2)+beta(4)*x(:, 3)+beta(5)*(x(:, 1).^2)+beta(6)*(x(:, 2).^2)+beta(7)*(x(:, 3).^2);
endbeta0=ones(7, 1);% 初始值的选取可能会导致结果具有较大的误差。
[beta, r, J]=nlinfit(X, Y, @myfun, beta0)% 非线性回归% beta—系数估计% r—残差% J—雅可比矩阵
[Ypred,delta]=nlpredci(@myfun, X, beta, r, 'Jacobian', J)% 非线性回归预测置信区间% Ypred—预测响应% delta—置信区间半角
plot(X(:, 1), Y, 'k.', X(:, 1), Ypred, 'r');saveas(gcf,sprintf('非线性曲线拟合_1.jpg'),'bmp');

五、其他拟合函数

lsqnonlin
fittype

【Matlab基础】数据拟合相关推荐

用MATLAB求解数据拟合问题
一.什么是拟合问题? 很多时候,我们在数学建模时,会遇到下面这样的情况已知平面上有n个数据点希望寻求某个函数 ,使在某种准则下与所有数据点最为接近,称为此类数学问题为数据拟合问题我们 ...
Matlab做数据拟合中的（Results，SSE，R-square，Adjusted R-square，RMSE）
做Curve Fitting的时候通常会有以下信息,大家不解其意,在此做简单介绍. Results :显示当前拟合的详细结果, 包括拟合类型 (模型.样条或插值函数).拟合系数以及参数匹配的95% 置 ...
MATLAB之数据拟合（附实例+代码）
数据拟合引例--人口预测问题解决思路: 找一个函数,去逼近这些数据,然后再根据找到的函数,计算预测点的值.polyfit() x=1790:10:2010; y=[3.9,5.3,7.2,9.6, ...
【MATLAB】数据拟合_阶数的确定
多项式阶数N的确定我们在拟合数据的过程中,事先不知道要拟合的数据是几阶的,那我们如何确定给定的拟合阶数N最终为多少呢? 阶数确定方法一: 这种方法是最常用的确定方法,一般情况下,我们拟合函数的目的, ...
Matlab中数据拟合函数lsqcurvefit的使用方法与常见问题
一. lsqcurvefit()使用方法 1.lsqcurvefit使用形式如下几种 x = lsqcurvefit(fun,x0,xdata,ydata) x = lsqcurvefit(fun,x ...
Matlab建模---数据拟合
一.多项式拟合函数---polyfit和polyval 1.polyfit函数调用格式: p=polyfit(x,y,n); [p,s]=polyfit(x,y,n); [p,s,mu]=polyf ...
matlab中用数据拟合圆心,拟合圆并求圆心(matlab)
clc clear all I=imread('a003.bmp'); [m,n,p]=size(I); I=im2bw(I); se=strel('square',3); Ia=imerode(I, ...
基于MATLAB的多项式数据拟合方法研究-毕业论文
摘要:本论文先介绍了多项式数据拟合的相关背景,以及对整个课题做了一个完整的认识.接下来对拟合模型,多项式数学原理进行了详细的讲解,通过对文献的阅读以及自己的知识积累对原理有了一个系统的认识.介绍多项式 ...
MATLAB在数学建模中的应用随手笔记（二）----- 数据拟合方法
声明:本篇文章只是个人知识点归纳总结,不代表全书内容,望各位大佬不喜勿喷.梳理顺序是按照书籍的实际顺序梳理. 作者:sumjess 目前内容:第一章数学建模常规方法及其MATLAB实现---数据拟合 ...
MATLAB,Python,Pytorch实现数据拟合
目录 1.MATLAB实现数据拟合 2.纯python实现数据拟合 3.pytorch实现数据拟合 1.MATLAB实现数据拟合 %MATLAB 数据拟合 x=linspace(-1,1,100); ...

【Matlab基础】数据拟合

一、线性拟合

1. 常用辅助函数

2. 多元线性拟合

例子：

二、多项式拟合

三、lsqcurvefit函数

例子1：

例子2：

四、nlinfit非线性拟合

例子1：

例子2：

五、其他拟合函数

lsqnonlin

fittype

【Matlab基础】数据拟合相关推荐

最新文章

热门文章