关于matlab拟合

1. 关于matlab拟合

用matlab拟合三维曲线函数，一般可以用lsqcurvefit或nlinfit等函数来求解其函数的系数。求解步骤：
1、已知x、y、z的对应的数据，若干组（数据要求十组以上）
x=[。。。];y=[。。。];z=[。。。];
X=[x y]; %组成X向量组
2、自定义拟合函数，例如，fun=@(a,X)a(1)*X(:,1).^2+a(2))*X(:,2).^2
3、初定a的初值，a0
4、求解拟合系数，a=lsqcurvefit(fun,a0,x,z)
5、已知值与拟合值对比，并求其决定系数 R²
z1=fun(a,X)
[z  z1] %对比
6、判断其决定系数 R²是否接近于1。

2. 如何用matlab数据拟合函数

3. 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。

假设我们要拟合的函数形式是 y=A*x*x + B*x, 且A>0,B>0。

1、在命令行输入数据：
》x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447 296.204 311.5475]；
》y=[5 10 15 20 25 30 35 40 45 50]；

2、启动曲线拟合工具箱
》cftool

3、进入曲线拟合工具箱界面“Curve Fitting tool”
（1）点击“Data”按钮，弹出“Data”窗口；
（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；
（3）点击“Fitting”按钮，弹出“Fitting”窗口；
（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：
Custom Equations：用户自定义的函数类型
Exponential：指数逼近，有2种类型， a*exp(b*x) 、 a*exp(b*x) + c*exp(d*x)
Fourier：傅立叶逼近，有7种类型，基础型是 a0 + a1*cos(x*w) + b1*sin(x*w)
Gaussian：高斯逼近，有8种类型，基础型是 a1*exp(-((x-b1)/c1)^2)
Interpolant：插值逼近，有4种类型，linear、nearest neighbor、cubic spline、shape-preserving
Polynomial：多形式逼近，有9种类型，linear ~、quadratic ~、cubic ~、4-9th degree ~
Power：幂逼近，有2种类型，a*x^b 、a*x^b + c
Rational：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
Smoothing Spline：平滑逼近（翻译的不大恰当，不好意思）
Sum of Sin Functions：正弦曲线逼近，有8种类型，基础型是 a1*sin(b1*x + c1)
Weibull：只有一种，a*b*x^(b-1)*exp(-a*x^b)

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. matlab的拟合问题

fit 返回的拟合函数是把自变量x进行规范化的（normalized），也就是说，
ff(x) = a*x^3 + b*x^2 + c*x + d中的x，并不是你的原始数据，而是经过规范化的数据，即 （原始数据-均值）/ 标准差，其中均值和标准差可以在图中看到。
 
事实上，用fit拟合得到的结果为cfit对象，计算函数值时不应该用题主的方式，而应该用feval：
feval(ff,500)

6. matlab数据拟合

程序改成如下：
 
x=0:pi/20:pi/2; y=sin(x); a=polyfit(x,y,5);x1=0:pi/30:pi*2;y1=sin(x1);y2=a(1)*x1.^5+a(2)*x1.^4+ a(3)*x1.^3+ a(4)*x1.^2+ a(5)*x1+a(6) ; plot(x1,y1,'b-',x1,y2,'r*')set(gca,'Xtick',[0:0.5:7])%设置坐标轴legend('原曲线','拟合曲线') grid onaxis([0,7,-1.2,4])
 

 
第二问。程序改成如下：
x=0:pi/20:pi/2;y=sin(x);a=polyfit(x,y,5);x2=0:pi/20:pi/2;y2=a(1)*x2.^5+ a(2)*x2.^4+ a(3)*x2.^3+ a(4)*x2.^2+ a(5)*x2+a(6);%把x1该成x2plot(x,y,'*',x2,y2,'-')

7. matlab自定义函数拟合

matlab中的非线性拟合函数nonlinfit具有强大的用自己定义的一个任意函数来拟合数据的功能。
最常见的调用形式为
BETA
=
nlinfit(X,Y,MODELFUN,BETA0)
BETA为待拟合的参数，X为自变量（矩阵），Y为应变量（向量），MODELFUN为自定义的拟合函数（function
handle
型数据），BETA0为BETA的初始值（向量）。
X可以是矩阵，当有多列时，每一列均为一个自变量。
MODELFUN有特定的格式。MODELFUN接受2个参数，第一个是待拟合的参数矢量，第二个是自变量矩阵。
模板函数定义案例：
模型：y=ax^2+bx+c
定义模型函数代码：f_model=@(b,x)b(1)*x.^2+b(2)*x+b(3);
%定义时要注意x是一个矢量
BETA0是迭代算法的参数初始值，当模型函数复杂时，拟合的好坏会受初始值的影响。
扩展：
matlab还提供了配套的函数nlparci与nlpredci，这两个函数可以求出参数与预测值的拟合误差。

8. matlab 求拟合问题

t=[0.5 1 2 3 4 5 7 9];
v=[6.36 6048 7.26 8.22 8.66 8.99 9.43 9.63];
y=ln(10-v);
a=poiyfit(t,y,1)
x=-1/a(1)
V0=10-exp(a(2))
v1=10-(10-v0)*exp(-t/x);