matlab最小二乘工具箱

㈠ matlab非線性最小二乘擬合

MATLAB的最優化工具箱中提供了lsqcurvefit()函數，可以解決最小二乘曲線擬合的問題，改函數的調用格式為：
[a,J]=lsqcurvefit(Fun,a0,x,y)
其中，Fun未原型函數的MATLAB表示，a0未最優化的初值，x，y為原始輸入輸出數據向量，調用該函數將可以返回待定系數向量a以及在此待定系數下的目標函數的值J.（詳細可以輸入helplsqcurvefit）
具體做法是：
>>U1=inline('f(a,w)','a','w')%用a（i）分別代替六個未知數，i=1~6.
>>[xx,res]=lsqcurvefit(U1,[111111],w,U);xx'%w和U是你試驗得出來的數據向量。
結果應該會出現一個ans向量（6維），分別就是你所要待定的系數a（i）了

㈡ MATLAB怎麼用最小二乘法擬合數據曲線

用polyfit函數擬合就行了，這個函數就是利用最小二乘法原理的。也可以使用數據擬合工具箱cftool擬合。

㈢ matlab三維曲面進行平面擬合怎麼利用最小二乘法

直接使用matlab的曲面擬合工具箱

㈣ 最小二乘法在matlab中怎麼實現啊

matlab中用最小二乘擬合的常用函數有polyfit（多項式擬合）、nlinfit（非線性擬合）以及regress（多元線性回歸）。自變數有個或以上時，應變數一個，可以使用的有nlinfit和regress，線性時用regress，非線性時用nlinfit。對於進階matlab使用者還有更多的選擇，如擬合工具箱、fit函數、interp系列插值擬合等等。

具體介紹一下regress

regress雖然名義上只能做線性回歸但是可以把x^2等非線性量作為一個額外自變數做計算，因此在一些特殊情況下也可以做非線性擬合。

以matlab自帶的數據為樣本，示例代碼如下：（%後面的是注釋）

clc;clear;

load carsmall%此數據樣本matlab自帶

x=Weight;y=Horsepower;z=MPG;%取這3個變數作為擬合對象，x、y自變數，z應變數

plot3(x,y,z,'p');

hold on;

c=ones(length(x),1);

b=regress(z,[x,y,c]);%純線性擬合 模型z=b(1)*x+b(2)*y+b(3)

[X,Y]=meshgrid(linspace(1500,5000,10),linspace(40,240,10));

C=ones(10);

mesh(X,Y,b(1)*X+b(2)*Y+b(3)*C);

grid on;

b=regress(z,[x.^2,y.^2,x.*y,x,y,c]);%添加非線性項進行擬合

figure

plot3(x,y,z,'p');

hold on;

mesh(X,Y,b(1)*X.^2+b(2)*Y.^2+b(3)*X.*Y+b(4)*X+b(5)*Y+b(6)*C);

grid on;

㈤ 下載了偏最小二乘回歸的matlab工具箱，誰能指點下怎麼用啊

有readme文檔嗎？最好按照readme操作。有的工具箱是用c寫的，需要編譯，如果都是m文件的話，在菜單欄file->setpath裡面添加你工具箱解壓後的文件夾目錄，就可以調用裡面的函數m文件了。

㈥ ​利用MATLAB優化工具箱解決如下的最小二乘問題：

這個題目本質上就是個二次函數的求極值問題。

（1）首先將式子化簡

如圖

（3）上述過程包含了計算的步驟，可以用optimtool設置方法來求解並得到過程。本來想給你結果的，分數太少，就不寫上去了。