matlab最小二乘工具箱

㈠ matlab非线性最小二乘拟合

MATLAB的最优化工具箱中提供了lsqcurvefit()函数，可以解决最小二乘曲线拟合的问题，改函数的调用格式为：
[a,J]=lsqcurvefit(Fun,a0,x,y)
其中，Fun未原型函数的MATLAB表示，a0未最优化的初值，x，y为原始输入输出数据向量，调用该函数将可以返回待定系数向量a以及在此待定系数下的目标函数的值J.（详细可以输入helplsqcurvefit）
具体做法是：
>>U1=inline('f(a,w)','a','w')%用a（i）分别代替六个未知数，i=1~6.
>>[xx,res]=lsqcurvefit(U1,[111111],w,U);xx'%w和U是你试验得出来的数据向量。
结果应该会出现一个ans向量（6维），分别就是你所要待定的系数a（i）了

㈡ 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。

㈢ matlab三维曲面进行平面拟合怎么利用最小二乘法

直接使用matlab的曲面拟合工具箱

㈣ 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;

㈤ 下载了偏最小二乘回归的matlab工具箱，谁能指点下怎么用啊

有readme文档吗？最好按照readme操作。有的工具箱是用c写的，需要编译，如果都是m文件的话，在菜单栏file->setpath里面添加你工具箱解压后的文件夹目录，就可以调用里面的函数m文件了。

㈥ ​利用MATLAB优化工具箱解决如下的最小二乘问题：

这个题目本质上就是个二次函数的求极值问题。

（1）首先将式子化简

如图

（3）上述过程包含了计算的步骤，可以用optimtool设置方法来求解并得到过程。本来想给你结果的，分数太少，就不写上去了。