① matlab2014工具箱在哪
1、命令行输入数据：
》x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447
296.204 311.5475]
》y=[5 10 15 20 25 30 35 40 45 50]
2、启曲线拟合工具箱
》cftool
3、进入曲线拟合工具箱界面Curve Fitting tool
（1）点击Data按钮弹Data窗口；
（2）利用X dataY data拉菜单读入数据x,y修改数据集名Data set name
点击Create data set按钮退Data窗口返工具箱界面自画数
据集曲线图；
② 如何使用matlab 2014a 做数据曲线拟合
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。
③ matlab2014曲线拟合工具箱怎么输入数据
您好，这样的：一、 单一变量的曲线逼近
Matlab有一个功能强大的曲线拟合工具箱 cftool ，使用方便，能实现多种类型的线性、非线
性曲线拟合。下面结合我使用的 Matlab R2007b 来简单介绍如何使用这个工具箱。
假设我们要拟合的函数形式是 y=A*x*x + B*x, 且A>0,B>0 。
1、在命令行输入数据：
》x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447
296.204 311.5475]
》y=[5 10 15 20 25 30 35 40 45 50]
2、启动曲线拟合工具箱
》cftool
3、进入曲线拟合工具箱界面“Curve Fitting tool”
（1）点击“Data”按钮，弹出“Data”窗口；
（2）利用X data和Y data的下拉菜单读入数据x,y，可修改数据集名“Data set name”，然
后点击“Create data set”按钮，退出“Data”窗口，返回工具箱界面，这时会自动画出数
据集的曲线图；
（3）点击“Fitting”按钮，弹出“Fitting”窗口；
（4）点击“New fit”按钮，可修改拟合项目名称“Fit name”，通过“Data set”下拉菜单
选择数据集，然后通过下拉菜单“Type of fit”选择拟合曲线的类型，工具箱提供的拟合类
型有：
Custom Equations：用户自定义的函数类型
Exponential：指数逼近，有2种类型， a*exp(b*x) 、 a*exp(b*x) + c*exp(d*x)
Fourier：傅立叶逼近，有7种类型，基础型是 a0 + a1*cos(x*w) + b1*sin(x*w)
Gaussian：高斯逼近，有8种类型，基础型是 a1*exp(-((x-b1)/c1)^2)
Interpolant：插值逼近，有4种类型，linear、nearest neighbor、cubic spline、shape-
preserving
Polynomial：多形式逼近，有9种类型，linear ~、quadratic ~、cubic ~、4-9th degree ~
Power：幂逼近，有2种类型，a*x^b 、a*x^b + c
Rational：有理数逼近，分子、分母共有的类型是linear ~、quadratic ~、cubic ~、4-5th
degree ~；此外，分子还包括constant型
Smoothing Spline：平滑逼近（翻译的不大恰当，不好意思）
Sum of Sin Functions：正弦曲线逼近，有8种类型，基础型是 a1*sin(b1*x + c1)
Weibull：只有一种，a*b*x^(b-1)*exp(-a*x^b)
选择好所需的拟合曲线类型及其子类型，并进行相关设置：
——如果是非自定义的类型，根据实际需要点击“Fit options”按钮，设置拟合算法、修改
待估计参数的上下限等参数；
——如果选Custom Equations，点击“New”按钮，弹出自定义函数等式窗口，有“Linear
Equations线性等式”和“General Equations构造等式”两种标签。
在本例中选Custom Equations，点击“New”按钮，选择“General Equations”标签，输入函
数类型y=a*x*x + b*x，设置参数a、b的上下限，然后点击OK。
（5）类型设置完成后，点击“Apply”按钮，就可以在Results框中得到拟合结果，如下例：
general model:
f(x) = a*x*x+b*x
Coefficients (with 95% confidence bounds):
a = 0.009194 (0.009019, 0.00937)
b = 1.78e-011 (fixed at bound)
Goodness of fit:
SSE: 6.146
R-square: 0.997
Adjusted R-square: 0.997
RMSE: 0.8263
同时，也会在工具箱窗口中显示拟合曲线。
这样，就完成一次曲线拟合啦，十分方便快捷。当然，如果你觉得拟合效果不好，还可以在“
Fitting”窗口点击“New fit”按钮，按照步骤（4）~（5）进行一次新的拟合。
不过，需要注意的是，cftool 工具箱只能进行单个变量的曲线拟合，即待拟合的公式中，变
量只能有一个。对于混合型的曲线，例如 y = a*x + b/x ，工具箱的拟合效果并不好。下一
篇文章我介绍帮同学做的一个非线性函数的曲线拟合。
④ matlab 里面数据拟合工具箱使用
不是matlab安装的问题，这个问题我也遇到过，遍求解答无果之后，终于自己摸索出来了。是这样的，不要用GUI中的data按钮来新建数据集，而要在matlab命令窗口中，输入命令：cftool（a,b）,其中a，b就是你要设置的x、y坐标的向量。这样出来散点图，之后再在cftool工具箱的GUI中点fitting按钮，选择曲线拟合
⑤ 如何使用matlab拟合工具箱
1.打开CFTOOL工具箱。
在Matlab 6.5以上的环境下，在左下方有一个"Start"按钮，如同Windows的开始菜单，点开它，在目录"Toolboxes"下有一个"Curve Fitting"，点开"Curve Fitting Tool"，出现数据拟合工具界面，基本上所有的数据拟合和回归分析都可以在这里进行。也可以在命令窗口中直接输入”cftool”，打开工具箱。
2.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];
3.数据的选取。
打开曲线拟合共工具界面，点击最左边的"Data..."按钮，出现一个Data对话框，在Data Sets页面里，在X Data选项中选取x向量，Y Data选项中选取y向量，如果两个向量的元素数相同，那么Create data set按钮就激活了，此时点击它，生成一个数据组，显示在下方Data Sets列表框中。关闭Data对话框。此时Curve Fitting Tool窗口中显示出这一数据组的散点分布图。
4.曲线拟合(幂函数power)。
点击Fitting...按钮，出现Fitting对话框，Fitting对话框分为两部分，上面为Fit Editor，下面为Table of Fits,有时候窗口界面比较小，Fit Editor部分会被收起来，只要把Table of Fits上方的横条往下拉就可以看见Fit Editor。在Fit Editor里面点击New Fit按钮，此时其下方的各个选框被激活，在Data Set选框中选中刚才建立的x-y数据组，然后在Type of fit选框中选取拟合或回归类型，各个类型的拟合或回归相应的分别是： Custom Equations 用户自定义函数 Expotential e指数函数 Fourier 傅立叶函数，含有三角函数 Gaussian 正态分布函数，高斯函数 Interpolant 插值函数，含有线性函数，移动平均等类型的拟合 Polynomial 多项式函数 Power 幂函数 Rational 有理函数（不太清楚，没有怎么用过） Smooth Spline （光滑插值或者光滑拟合，不太清楚） Sum of sin functions正弦函数类
在这个Type of fit选框中选择好合适的类型，并选好合适的函数形式。于是点击Apply按钮，就开始进行拟合或者回归了。此时在Curve Fitting Tool窗口上就会出现一个拟合的曲线。这就是所要的结果。 在上面的例子中，选择sum of sin functions中的第一个函数形式，点击Apply按钮，就可以看见拟合得到的正弦曲线。
⑥ Matlab拟合工具箱
用matlab拟合工具箱，拟合后的参数是不能用命令转出。只能通过复制粘帖的方法，将结果输出。但你可以用fittype（）和fit（）命令，来达到你的目的，其输出形式与拟合工具箱基本是一致的。
⑦ matlab2014工具箱在哪
在绘图右边的应用程序，就是以前的工具箱。
⑧ 如何用matlab数据拟合函数
Matlab有一个功能强大的曲线拟合工具箱 cftool ，使用方便，能实现多种类型的线性、非线性曲线拟合。下面结合我使用的 Matlab R2007b 来简单介绍如何使用这个工具箱。x0dx0ax0dx0a假设我们要拟合的函数形式是 y=A*x*x + B*x, 且A>0,B>0。x0dx0ax0dx0a1、在命令行输入数据：x0dx0a》x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447 296.204 311.5475]；x0dx0a》y=[5 10 15 20 25 30 35 40 45 50]；x0dx0ax0dx0a2、启动曲线拟合工具箱x0dx0a》cftoolx0dx0ax0dx0a3、进入曲线拟合工具箱界面“Curve Fitting tool”x0dx0a（1）点击“Data”按钮，弹出“Data”窗口；x0dx0a（2）利用X data和Y data的下拉菜单读入数据x,y，可修改数据集名“Data set name”，然后点击“Create data set”按钮，退出“Data”窗口，返回工具箱界面，这时会自动画出数据集的曲线图；x0dx0a（3）点击“Fitting”按钮，弹出“Fitting”窗口；x0dx0a（4）点击“New fit”按钮，可修改拟合项目名称“Fit name”，通过“Data set”下拉菜单选择数据集，然后通过下拉菜单“Type of fit”选择拟合曲线的类型，工具箱提供的拟合类型有：x0dx0aCustom Equations：用户自定义的函数类型x0dx0aExponential：指数逼近，有2种类型， a*exp(b*x) 、 a*exp(b*x) + c*exp(d*x)x0dx0aFourier：傅立叶逼近，有7种类型，基础型是 a0 + a1*cos(x*w) + b1*sin(x*w)x0dx0aGaussian：高斯逼近，有8种类型，基础型是 a1*exp(-((x-b1)/c1)^2)x0dx0aInterpolant：插值逼近，有4种类型，linear、nearest neighbor、cubic spline、shape-preservingx0dx0aPolynomial：多形式逼近，有9种类型，linear ~、quadratic ~、cubic ~、4-9th degree ~x0dx0aPower：幂逼近，有2种类型，a*x^b 、a*x^b + cx0dx0aRational：有理数逼近，分子、分母共有的类型是linear ~、quadratic ~、cubic ~、4-5th degree ~；此外，分子还包括constant型x0dx0aSmoothing Spline：平滑逼近（翻译的不大恰当，不好意思）x0dx0aSum of Sin Functions：正弦曲线逼近，有8种类型，基础型是 a1*sin(b1*x + c1)x0dx0aWeibull：只有一种，a*b*x^(b-1)*exp(-a*x^b)
⑨ 如何使用matlab 2014a 做数据曲线拟合
如何使用matlab 2014a 做数据曲线拟合
matlab中用来拟合的常用函数有polyfit（多项式拟合）、nlinfit（非线性拟合）以及regress（多元线性回归）。
polyfit，nlinfit与regress都有相应配套函数。与polyfit配套的有polyval（可以计算预测值置信区间）。与nlinfit配套的有nlintool（互动窗口）、nlinparci（计算拟合系数置信区间）、nlinpredci（计算预测值置信区间）。与regress配套的有rcoplot（画残差图）。
具体的函数调用方法、格式，matlab的帮助文件里面都有，而且也提供了代码案例。
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。
⑩ 【数学建模算法】(番外6)Matlab曲线拟合工具箱cftool
以一个例子作为这篇文章的开始：
利用Matlab中的cftool寻找适当的模型对这个数据进行拟合。
发现曲线形状更像一个二次曲线或者一个指数曲线，所以决定使用二次曲线或指数曲线分别拟合选择效果好的一种。
接下来就要用到工具箱了
在命令行输入cftool
之后就会出现cftool的主界面
下面对界面进行逐一介绍：
可以看到cftool工具箱支持最多3维数据的拟合，而且还可以为数据增加权重。
在你打开工具箱之后，它会自动读取工作区的数据，你需要将其分别赋给X,Y,Z data。
左边部分：
最上面：函数类型
Polynomial：多项式
Degree：多项式阶数。
Robust：鲁棒性要求：
Off——无要求
LAR——(least absolute resial)最小绝对残差
Bisquare——赋权最小残差，给离曲线近的给予较大的权重，远的给予较小的权重。
Custom Equation：用户自定方程
下面是用户自行编写的函数形式。
指数型Exponential
举例说明到此结束，剩下的类型请读者自行探索。
在这部分中会给出函数的模型和计算出的参数值。
给出按参数拟合出的函数图像。
二次多项式：
指数型：
从二者的结果比较可以明显看出，多项式的拟合效果更好。