matlab最小二乘法工具箱

㈠ 用MATLAB软件使用最小二乘法对数据进行处理。急急急

matlab程序如下：
g=[0.86,0.80,0.62,0.52,0.44]; %加速度数组为g
m=[147.9, 197.9, 247.9,297.9,347.9];%对应质量数组m
corrc=corrcoef(m,g); %相关系数计算，-0.9881，说明强负相关
result=polyfit(g,m,1); %最小二乘法回回归m=ag+b，系数a,b在答result中
cal_m=result(1)*g+result(2);%根据线性回归计算得到的质量cal_m
plot(g,m,'*',g,cal_m,'-');
%画实测和线性拟合比较图，直线是拟合方程，点是实测
xlabel('加速度 (m/s^2)') % x y 轴定义
ylabel('质量(g)')
图片附上供你参考，一定要自己做一遍才好哦，有助提高。
没写过物理实验，不过把这些变量与物理试验中的参数对应，然后运用数学方法编程实现，照这个思路写写应该就没错了。

㈡ 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

㈢ 最小二乘法在matlab中怎么实现

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（多元专线性回归）。自属变量有2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)

㈣ 如何用MATLAB实现最小二乘法

直接用/和\，对于超定线性方程组就是用最小二乘原则求解的。

㈤ 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。

㈥ matlab中的cftool工具箱做非线性曲线拟合是用的什么方法，是最小二乘法吗

If Method is NonlinearLeastSquares,（非线性曲线拟合）内 then the additional parameters are:

Algorithm - Algorithm to be used in FIT

Levenberg-Marquardt
Gauss-Newton
Trust-Region
默认的为容 Trust-Region

㈦ 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

㈧ 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

㈨ 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;