各位老鐵們好，相信很多人對matlab根據數據擬合函數都不是特別的了解，因此呢，今天就來為大家分享下關于matlab根據數據擬合函數以及matlab怎么對數據進行擬合的問題知識，還望可以幫助大家，解決大家的一些困惑，下面一起來看看吧！

不知道函數形式時如何用Matlab對數據擬合

1、根據x，y值，用plot()函數畫出圖形，

x=[...]

y=[...]

plot(x,y,'r-')

2、根據圖形的趨勢，確定擬合函數方程（一般可與已知的圖形作對比），如

y=a1*x^3+a2*x^2+a3*x+a4

3、用inline（）函數定義擬合函數

func=inline('a(1)*x^3+a(2)*x^2+a(3)*x+a(4)','a','x')

4、用nlinfit（）函數或lsqcurvefit（）函數，求擬合系數a，

a=nlinfit(x,y,func,x0)

matlab怎么實現擬合外推

擬合外推就是將一個數據集上建立的模型應用到另一個數據集上，可以先用matlab回歸函數建立前一數據集的線性關系模型，然后將此模型應用到后一數據集上進行預測，便可實現擬合外推

matlab如何擬合數據得出函數

在MATLAB中，可以使用“擬合工具箱”來實現數據的擬合，通過給定一組數據點，自動計算出最佳擬合曲線或者多項式函數等。下面以擬合一組二維散點數據為例，介紹如何使用MATLAB進行數據擬合：

假設我們有一組二維散點數據（x,y），需要對其進行擬合。首先，將數據點存儲在兩個向量中，例如：

matlab

復制代碼

x=[123456];

y=[1.11.93.24.14.96.1];

接著，在MATLAB命令窗口輸入命令“cftool”，打開“擬合工具箱”。

在“擬合工具箱”中，可以選擇不同的擬合類型，例如多項式擬合、指數擬合、對數擬合等。這里以多項式擬合為例，選取“一元多項式擬合”。

在“一元多項式擬合”界面中，可以設定需要擬合的多項式的階數（即多項式次數），也可以手動調節多項式系數（默認多項式系數為0）。此處設置階數為2。

接下來，點擊“擬合”按鈕，可以得到擬合結果。擬合結果在“結果”窗口中顯示，包括多項式系數、R方值、擬合曲線等信息。此處得到的二次多項式擬合方程為：y=0.02634x^2+0.6369x+0.2047。

最后，可以在MATLAB命令窗口中使用這個擬合函數進行預測，例如：

matlab

復制代碼

x_test=7:0.1:10;

y_test=0.02634*x_test.^2+0.6369*x_test+0.2047;

plot(x,y,'o',x_test,y_test)

上述代碼畫出了原始散點數據和擬合曲線的圖像，可以通過調整擬合階數或者選擇不同的擬合類型來優化擬合效果。

怎樣使用matlab做曲線擬合

方法一、用數據擬合工具箱CurveFittingTool

打開CFTOOL工具箱。在matlab的commandwindow中輸入cftool，即可進入數據擬合工具箱。

輸入兩組向量x，y。

首先在Matlab的命令行輸入兩個向量，一個向量是你要的x坐標的各個數據，另外一個是你要的y坐標的各個數據。輸入以后假定叫x向量與y向量，可以在workspace里面看見這兩個向量，要確保這兩個向量的元素數一致，如果不一致的話是不能在工具箱里面進行擬合的。

例如在命令行里輸入下列數據:

x=[196,186,137,136,122,122,71,71,70,33];

y=[0.012605;0.013115;0.016866;0.014741;0.022353;0.019278;0.041803;0.038026;0.038128;0.088196];

數據的選取。打開曲線擬合共工具界面，點擊最左邊的Xdata和Ydata，選擇剛才輸入的數據，這時界面中會出現這組數據的散點圖。

選擇擬合方法，點擊Fit

左側results為擬合結果，下方表格為誤差等統計數據。

方法二、用神經網絡工具箱

1、打開神經網絡工具箱，在commandwindow內輸入nftool，進入Neuralfittingtool

2、導入數據，點擊next，導入Inputs為x，Targets為y。

3、選擇網絡參數，點擊next，選擇訓練集和測試集數量，點next，選隱藏層節點個數。

4、訓練數據，點next，選train。

5、繪制擬合曲線，訓練完成后電機plotfit

訓練結果參數在訓練完后自動彈出

神經網絡工具箱可以用command寫，請搜索關鍵字matlab神經網絡工具箱函數。

方法三、用polyfit函數寫

polyfit函數是matlab中用于進行曲線擬合的一個函數。其數學基礎是最小二乘法曲線擬合原理。曲線擬合：已知離散點上的數據集，即已知在點集上的函數值，構造一個解析函數（其圖形為一曲線）使在原離散點上盡可能接近給定的值。

調用方法：a=polyfit(xdata,ydata,n)，

其中n表示多項式的最高階數，xdata，ydata為將要擬合的數據，它是用數組的方式輸入。輸出參數a為擬合多項式y=a1x^n+...+anx+a,共n+1個系數。

%例程A=polyfit(x,y,2);z=polyval(A,x);plot(x,y,'r*',x,z,'b')

方法四、自行寫算法做擬合

請參考數值分析教科書，擬合、插值方法較多，算法并不復雜，靈活套用循環即可

如何用matlab數據擬合函數

在matlab中根據擬合圖得到函數步驟如下：

1、常用的模型有多項式模型、冪函數模型、指數函數模型等。

2、設出函數，用命令“plot”繪出圖像作為對比。

3、準備好散點數據，用命令“plot”繪出散點作為對比。

4、調用函數“fit”，參數包括散點數據和曲線擬合模型。

5、按回車鍵即可完成曲線擬合，p1、p2、p3為多項式前面的系數。

matlab二元函數擬合

設擬合的2元2次方程為

f（x，y）=b1*x2+b2*x*y+b3*y2+b4*x+b5*y+b6

用Matlab的regress（）函數擬合，也可以用自定義函數擬合。regress（）函數命令格式為

[B,BINT,R,RINT,STATS]=REGRESS(Y,X)

B——參數估計值，擬合函數系數

BINT——B的置信區間

R——殘差向量，測試值與擬合值的差值

RINT——R的置信區間

STATS——檢驗統計量，置信度、F統計量，p值

Y——因變量觀察值

X——自變量觀察值

根據提供的數據，通過擬合得

B1=0

B2=-1734024.851

B3=-31661318.71

B4=3785724.073

B5=9670754.012

B6=-512586.098

好了，關于matlab根據數據擬合函數和matlab怎么對數據進行擬合的問題到這里結束啦，希望可以解決您的問題哈！