matlab最小二乘法拟合工具箱

Ⅰ matlab最小二乘法工具箱在哪找不到

这些在matlab的帮助文件里都有说明的，直接在help菜单里搜RMSE就找到了，而且那几个统计量都在

Ⅱ matlab三维曲面进行平面拟合，利用最小二乘法

可以直接使用matlab的曲面拟合工具箱，但是平面拟合的效果一般

1、在命令内窗口输入待拟合容的数据

>>x=[11.4,11.4,11.4,11.4;13.1,13.1,13.1,13.1;14.8,14.8,14.8,14.8;16.5,16.5,16.5,16.5;18.2,18.2,18.2,18.2];
y=[0.84,0.72,0.61,0.45;0.68,0.49,0.44,0.41;0.57,0.43,0.40,0.38;0.42,0.37,0.33,0.17;0.39,0.30,0.24,0.16];
z=[1.62,2.51,2.63,2.64;1.93,2.58,3.01,3.23;2.45,2.83,3.27,3.31;2.60,3.27,3.33,3.45;2.93,3.74,4.09,4.35];

2、输入sftool命令打开曲面拟合工具箱，然后依次选择x，y，z数据

>>sftool

其中，R-square表示拟合度，越接近于1表示拟合效果越好，此时仅为0.8241，所以效果并不好。

Ⅲ matlab 最小二乘法拟合

主要的问题是inline函数写法不对，matlab不能识别下面的写法：

f=inline('R*exp(-a*x)','[Ra]','x');

像这种有多个待辨识参数的情况，应该写成一个向量，如

f=inline('c(1)*exp(-c(2)*x)','c','x');

参考代码：

%生成测试数据
t=linspace(0,2*pi,50);
x=1.5*cos(t);
y=1.5*sin(t);
plot(x,y)
holdon
t=linspace(0,pi,30);
r=1.5*exp(-1*t)+0.02*randn(size(t));%数据中加入噪声
x=r.*cos(t);
y=r.*sin(t);
plot(x,y,'r')
axisequal

%curvefit
[theta,rho]=cart2pol(x,y);%transformintopolarcoord
idx=(x<=eps)&(y<=eps);
theta(idx)=[];
rho(idx)=[];
f=inline('c(1)*exp(-c(2)*x)','c','x');
[BestPara,resnorm,resil]=lsqcurvefit(f,[1.51],theta,rho);
R=f(BestPara,theta);
X=R.*cos(theta);
Y=R.*sin(theta);
plot(X,Y,':g')
legend('圆','原始数据','拟合数据');

结果如图：

Ⅳ matlab中的cftool拟合工具箱中的拟合函数是用什么方法拟合的最小二乘法还是别的谢谢

如果想使用拟合后的函数，则可以做到。以下面的数据为例：
y=[5 10 15 20 25 30 35 40 45 50];
x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447 296.204 311.5475];
用cftool拟合后，点击Fitting窗口下边的save to workspace按钮，即可，如下图：

（假设保存时命名为model1）然后如果想计算当x=250.000时的y值，只需在命令窗口输入语句：model1（250.000），则可得到：
model1(250)
ans =
31.4422

Ⅳ 用Matlab做曲线拟合的最小二乘法，谢谢

命令窗口输入x=[0,0.5,1,1.5,2,2.5,3,3.5];y=[1,2.4,3.1,5.0,7,11,17,24];cftool
在新抄的图袭形界面中，点data,creat data,x与y选择相应的创造data后，在fit里选择new fit，在选择自己想要的函数（有很多函数选择，还可以自定义，不过我没自定义过），得到结果，
如果要看图形，那里有figure，画图即可

cftool是很强大的曲线拟合工具箱，也很容易操作，试试吧

Ⅵ MATLAB怎么用最小二乘法拟合数据曲线

用polyfit函数拟合就行了，这个函数就是利用最小二乘法原理的。也可以使用数据拟合工具箱cftool拟合。

Ⅶ 最小二乘法在matlab中怎么实现啊

matlab中用最小二乘拟合的常用函数有polyfit（多项式拟合）、nlinfit（非线性拟合）以及regress（多元线性回归）。自变量有个或以上时，应变量一个，可以使用的有nlinfit和regress，线性时用regress，非线性时用nlinfit。对于进阶matlab使用者还有更多的选择，如拟合工具箱、fit函数、interp系列插值拟合等等。

具体介绍一下regress

regress虽然名义上只能做线性回归但是可以把x^2等非线性量作为一个额外自变量做计算，因此在一些特殊情况下也可以做非线性拟合。

以matlab自带的数据为样本，示例代码如下：（%后面的是注释）

clc;clear;

load carsmall%此数据样本matlab自带

x=Weight;y=Horsepower;z=MPG;%取这3个变量作为拟合对象，x、y自变量，z应变量

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

hold on;

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

b=regress(z,[x,y,c]);%纯线性拟合 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]);%添加非线性项进行拟合

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;

Ⅷ 用matlab工具进行最小二乘法圆拟合的程序怎么编

可以来考虑采用polyfit来拟合源，二次多项式polyfit(x,y,2)，
x=[0.11 0.13 0.19 0.21 0.27 0.37 0.53 0.59 0.71 0.79 0.89 1.07];
y=[3868-1066 3733-888.3 3659-789.6 3599-710.7 3508-592.2 3463-533 3335-367.6 3257-266.5 3215-213.2 3200-193.8 3125-133.3 3131-106.6];
p=polyfit(x,y,2);
hold on;
plot(x,y,'v')
plot(x,polyval(p,x),'r');
当然，数组中的成员是需要自己写入的，把你的数据带入就行

Ⅸ 怎样利用基于最小二乘原理的 matlab 多项式拟合工具箱求出放电曲线方程系数

怎样利用基于最小二乘原理的 matlab 多项式拟合工具箱求出放电曲线方程系数
曲线拟合回
已知离散点上的答数据集，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，这一过程称为曲线拟合。最常用的曲线拟合方法是最小二乘法，该方法是寻找函数使得最小。