matlabR2012a中如何进行数据拟合

发布时间：2026-03-23 | 来源：互联网转载和整理

方法一、用数据拟合工具箱 Curve Fitting Tool

打开CFTOOL工具箱。在matlab的command window中输入cftool，即可进入数据拟合工具箱。

输入两组向量x，y。

首先在Matlab的命令行输入两个向量，一个向量是你要的x坐标的各个数据，另外一个是你要的y坐标的各个数据。输入以后假定叫x向量与y向量，可以在workspace里面看见这两个向量，要确保这两个向量的元素数一致，如果不一致的话是不能在工具箱里面进行拟合的。

例如在命令行里输入下列数据:

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];

数据的选取。打开曲线拟合共工具界面，点击最左边的X data和Y data，选择刚才输入的数据，这时界面中会出现这组数据的散点图。

选择拟合方法，点击Fit

左侧results为拟合结果，下方表格为误差等统计数据。

方法二、用神经网络工具箱

1、打开神经网络工具箱，在command window内输入nftool，进入Neural fitting tool

2、导入数据，点击next，导入Inputs为x，Targets为y。

3、选择网络参数，点击next，选择训练集和测试集数量，点next，选隐藏层节点个数。

4、训练数据，点next，选train。

5、绘制拟合曲线，训练完成后电机plot fit

训练结果参数在训练完后自动弹出

神经网络工具箱可以用command写，请搜索关键字matlab 神经网络工具箱函数。

方法三、用polyfit函数写

polyfit函数是matlab中用于进行曲线拟合的一个函数。其数学基础是最小二乘法曲线拟合原理。曲线拟合：已知离散点上的数据集，即已知在点集上的函数值，构造一个解析函数（其图形为一曲线）使在原离散点上尽可能接近给定的值。

调用方法：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 y=a1x^n+...+anx+a,共n+1个系数。

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

方法四、自行写算法做拟合

请参考数值分析教科书，拟合、插值方法较多，算法并不复杂，灵活套用循环即可。

保函网