怎么用matlab画线性拟合图

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。

x=[263 335 391 431 470 500 545 568 649 720 770];
y=[885 817 749 716 681 658 621 591 548 511 598];
%多项式拟合
n=1;
A=polyfit(x,y,n); %n是给定的多项式的次数，拟合出来的结果A是系数向量
y1=polyval(A,x); %计算出拟合的y值
plot(x,y,'k',x,y1,'r-'); %画出数据对比图，黑点是原始数据，红线是拟合曲线
%指定函数拟合
f=fittype('ae^(bx)+c'); %引号里的是你的函数模型，默认是以x为自变量，其余为待定参数
fity=fit(x,y,f) %曲线拟合，会给出拟合结果
%再根据给出的结果计算出新的y值，画图神马的

许多工程应用中要用到曲线拟合，matlab曲线拟合功能很强大。matlab 2014a 的curve fitting程序，能轻松做曲线拟合，同时可以轻松的采用不同的拟合方式。拟合的同时，curve fitting程序自动给出误差方程等，便于比较。
方法/步骤
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。
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

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。

第一步，提供一组X，Y已知点
第二步，根据已知点拟合圆的一般式方程，利用公式求出圆心和半径。即 用圆的基本方程x^2+y^2+Dx+Ey+F=0，来拟合出其系数D、E、F，求出圆心（-D/2，-E/2），半径05√（D^2+-E^2-4F）
第三步，根据圆的参数方程，求出x，y的点，描点plot(x,y,'r-')，得到拟合圆的图形

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。

x=[263 335 391 431 470 500 545 568 649 720 770];
y=[885 817 749 716 681 658 621 591 548 511 598];
%多项式拟合
n=1;
A=polyfit(x,y,n); %n是给定的多项式的次数，拟合出来的结果A是系数向量
y1=polyval(A,x); %计算出拟合的y值
plot(x,y,'k',x,y1,'r-'); %画出数据对比图，黑点是原始数据，红线是拟合曲线
%指定函数拟合
f=fittype('ae^(bx)+c'); %引号里的是你的函数模型，默认是以x为自变量，其余为待定参数
fity=fit(x,y,f) %曲线拟合，会给出拟合结果
%再根据给出的结果计算出新的y值，画图神马的

---