用MATLAB怎么实现曲线拟合？

1 多项式函数拟合：a=polyfit(xdata,ydata,n)其中n表示多项式的最高阶数，xdata，ydata为将要拟合的数据，它是用数组的方式输入．输出参数a为拟合多项式 的系数多项式在x处的值y可用下面程序计算．y=polyval(a,x)2 一般的曲线拟合：p=curvefit(‘Fun’,p0,xdata,ydata)其中Fun表示函数Fun(p,data)的M函数文件，p0表示函数的初值．curvefit()命令的求解问题形式是若要求解点x处的函数值可用程序f=Fun(p,x)计算．例如已知函数形式 ，并且已知数据点 要确定四个未知参数a，b，c，d．使用curvefit命令，数据输入 ；初值输 ；并且建立函数 的M文件（Fun．m）．若定义 ，则输出又如引例的求解，MATLAB程序：t=[l：16]； ％数据输人y=[ 4 6．4 8 8．4 9．28 9．5 9．7 9．86 10．2 10．32 10．42 10．5 10．55 10．58 10．6] ；plot(t,y,’o’) ％画散点图p=polyfit(t,y,2) (二次多项式拟合）计算结果：p=-00445 10711 43252 %二次多项式的系数由此得到某化合物的浓度y与时间t的拟合函数。

拟合步骤:
1、求(获)得一系列x,y对应值
x=[]
y=[]
2、根据画出的曲线,,设定拟合函数
fun=inline('a(1)+a(2)exp(a(3)x','a','x')
3、初定x0的初值
x0=[0
0
0]
4、用拟合函数求出拟合系数
a=lsqcurvefit(fun,x0,x,y)
或
a=
nlinfit(x,y,fun,x0)
用cftool的结果与实际是有较大的误差。你不仿用二种获得的拟合函数，将已知值x代人，得到的yi，那个更接近已知值y。
一般用cftool工具箱，来判断拟合函数可能的形式。

1、MATLAB自带的曲线拟合工具包，功能十分强大。首先，在上方工具栏选取APPS，点击curve fitting。

2、输入自变量x和因变量y。

3、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。

4、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。

5、完成效果图。

输入数据
做数据曲线拟合，当然该有数据，本经验从以如下数据作为案例。
添加数据到curve
fitting程序
这一步就是将你要拟合的数据添加到curve
fitting程序中，同时给你拟合的曲线命名。
选择曲线拟合的方法类型
常见的拟合曲线有多项式的、指数的、对数的等等。curve
fitting程序提供了很多的方法。你可以根据自己的数据具体选择。
选择好方法后，按照提供的公式选择具体的选项
本文的数据近似为线性的，我们选择多项式拟合的一阶方法。
拟合结果查看
拟合后，curve
fitting会给你具体的函数表达式，你可以将他给出的参数的值带入你选择的方法中。
结果说明
在结果中，不仅可以看到函数的表达式，同时他还给出了95%置信区间的参数值，以及拟合好坏的一些指标，如：
SSE:
R-square:
Adjusted
R-square:
RMSE:
画出图像
虽然在curve
fitting程序有自带的图像显示，但是一般最好将拟合结果显示到单独的图像窗口。
保存结果
曲线拟合结束后，你可以保存你的拟合结果。选择你保存的路径即可。
END
注意事项
注意数据的维数的匹配
注意数据的先后顺序，即因变量和自变量的数据

---