拿matlab的cftool做自定义函数的拟合，拟合得到的函数做曲线，与拟合时的散点值域完全不同，这咋回事呢？

用cftool做自定义函数的拟合，其并不是得到的函数与每个散点基本拟合。因为软件考虑了5%的置信区间。如要得到精度较高的拟合函数，可以用 nlinfit( )或 lsqcurvefit（）函数。

在Matlab中进行数据拟合，可以使用 fit 函数。该函数可以用来生成拟合模型，对数据进行拟合，并返回拟合模型对象。下面是一个简单的数据拟合的例子：

假设我们有一组数据，x 和 y 分别表示自变量和因变量：

x = [1 2 3 4 5];

y = [3 5 7 9 11];

现在我们想拟合一个一次函数，即 y = ax + b，其中 a 和 b 是拟合参数。可以使用 fit 函数来生成拟合模型：

f = fit(x', y', 'poly1');

在这里，我们使用 poly1 来指定一次多项式模型，也就是线性模型。fit 函数返回一个 fit 类型的对象，我们可以使用该对象来获取拟合参数：

a = fp1;

b = fp2;

其中，p1 和 p2 分别表示拟合函数中的 a 和 b 参数。

接下来，我们可以使用 plot 函数来绘制拟合曲线：

plot(f, x, y);

这样就可以得到数据拟合的结果了。需要注意的是，在实际应用中，拟合模型的选择和参数的确定需要根据具体情况进行调整和优化。

希望能带来一点启发，往采纳！

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。

通过计算获得的p，是一个数组，对应了多项式的各项系数，以图中为例，拟合出的多项式为：y=09962x2+00053x-02833。

方法二：

1、首先，在上方工具栏选取APPS，点击curvefitting。输入自变量x和因变量y。

2、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。

3、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。