matlab拟合值的判别标准

p=[xyones(length(x),1)]\z这样得到的就是平面z=p(1)*x+p(2)*y+p(3)祝你学习快乐!再问：xyz轴中如何显示所拟合的平面再答：方法很多，mesh函数最好

clc;clear;x=0.5:0.2:5;y=1./x;m=rand(1,length(x));y=y+m;plot(x,y)P=polyfit(x,y,5);y=polyval(P,x);hold

t=0:0.02:0.18y=[415.7415.68415.65415.55415.38415.2415.07414.96414.85414.5]n=5p=polyfit(t,y,n)%5次多项式d

楼主你的数据来源是什么,有物理或数学背景吗,通过分析你的数据我发现这几组数据前两组用多项式拟合效果还可以,后面几组的多项式拟合效果实在是不怎么样.我用曲线拟合工具箱cftool拟合,从里面挑了好几种拟

dp=polyder(p);%导数多项式p1=p;p1(end)=p1(end)-4.22;x1=roots(p1);x1=x1(imag(x1)==0);%求对应y=4.22的x1p2=p;p2(e

你这个曲线拟合本来就不是简单的事情.对于这种指数函数的线性组合,一般很难找到合适的变换使其变成多项式.如果你能找到这样的变换,那么问题就简单许多.如果不能,那么就需要Bayesianinference

helppolyfitPOLYFITFitpolynomialtodata.POLYFIT(X,Y,N)findsthecoefficientsofapolynomialP(X)ofdegreeNth

两边取自然对数lnY=lnA-BX,令Z=lnY,C=-B,D=lnAZ=CX+D拟合这个直线就OK

预测发现数据之间的关系

f=inline('1./sqrt((c*x).^2+1)','c','x');x=0:0.1:3y=1./sqrt((0.5*x).^2+1);f=inline('1./sqrt((c*x).^2+

f=[];u=[];plot(f,u,'o')holdonfun=inline(‘c(1)./((c(2).^2-f.^2).^2+c(3).*f.^2).^0.5','c','f');c=nlinf

%x太大,以x的幂作为基函数会导致设计矩阵尺度太差,列变量几乎线性相依.%变换为[-1 1]范围计算x=[1990:2005];t=(x-2040)/50;y=[61 62&nbs

lno

你给我数据,我来帮你.再问：你告诉我输入matlab时的源代码就好了，坐标空起来，谢了再答：已发私信给你。

X=[12345678910];Y=[2.35.47.83.54.15.63.45.67.88.8];my=mean(Y)%Y的平均值sy=std(Y)%Y的均方差(标准差)M=[1.52.53.54

可用matlab曲线拟合工具箱,里面有各式各样的拟合函数可供选用...x=[367   379   414   

四元一次方程组.但方程的个数（数据点数）超过四个.也就是说多个方程,四个未知数.数学上讲是一个超定方程组（矛盾方程组）你写成矩阵的形式.这个矩阵是一个长方阵.用最小二乘法进行求解.即A*x=B,你的a

symsatfun=exp(-t^2/2)/sqrt(2*pi);F=int(fun,t,-inf,t);t=0.00:0.01:3.49;eval(F)呵呵你不会是我同学吧?我也学数模的,几天前搞的

这种比较复杂的式子拟合之前先化简一下比较好,至少可以两边取一下对数,另外,这个式子里a,b两个参数应该合到一起,否则是拟合不出结果的.

你用的什么拟合啊,多项式拟合p=polyfit(x,y,n),输出的就是多项式的系数