matlab最小二乘法曲线拟合怎么取
发布网友
发布时间：2022-04-28 17:55
共1个回答
热心网友
时间：2022-06-22 17:56
已知离散点上的数据集，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。
MATLAB函数：p=polyfit(x,y,n)
[p,s]= polyfit(x,y,n)
说明：x,y为数据点，n为多项式阶数，返回p为幂次从高到低的多项式系数向量p。x必须是单调的。矩阵s用于生成预测值的误差估计。(见下一函数polyval)
多项式曲线求值函数：polyval()
调用格式： y=polyval(p,x)
[y,DELTA]=polyval(p,x,s)
说明：y=polyval(p,x)为返回对应自变量x在给定系数P的多项式的值。
[y,DELTA]=polyval(p,x,s) 使用polyfit函数的选项输出s得出误差估计YDELTA。它假设polyfit函数数据输入的误差是独立正态的，并且方差为常数。则YDELTA将至少包含50%的预测值。
练习:如下给定数据的拟合曲线，x=[0.5,1.0,1.5,2.0,2.5,3.0]，
y=[1.75,2.45,3.81,4.80,7.00,8.60]。
解：MATLAB程序如下：
x=[0.5,1.0,1.5,2.0,2.5,3.0];
y=[1.75,2.45,3.81,4.80,7.00,8.60];
p=polyfit(x,y,2)
x1=0.5:0.05:3.0;
y1=polyval(p,x1);
plot(x,y,'*r',x1,y1,'-b')
计算结果为：
p =0.5614 0.82871.1560
即所得多项式为y=0.5614x^2+0.08287x+1.15560
===========================================================================
===========================================================================
polyfit函数是matlab中用于进行曲线拟合的一个函数。曲线拟合：已知离散点上的数据集，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。
解释1 用法 polyfit(x,y,n ) ;用多项式求过已知点的表达式，其中x为源数据点对应的横坐标，可为行向量、矩阵，y为源数据点对应的纵坐标，可为行向量、矩阵，n为你要拟合的阶数，一阶直线拟合，二阶抛物线拟合，并非阶次越高越好，看拟合情况 matlab polyfit 做出来的值从左到右表示从高次到低次的多项式系数 给个例子一看就知道了 x = (0: 0.1: 2.5)'; y = erf(x); p = polyfit(x,y,6) p = 0.0084 -0.0983 0.4217 -0.7435 0.1471 1.1064 0.0004 则y=0.0084x^6-0.0983x^5+0.4217x^4-0.7435x^3+0.1471x^2+1.1064x+0.0004 解释2： MATLAB软件提供了基本的曲线拟合函数的命令． 多项式函数拟合：a=polyfit(xdata,ydata,n) 其中n表示多项式的最高阶数，xdata，ydata为将要拟合的数据，它是用数组的方式输入．输出参数a为拟合多项式y=a1xn+...+anx+a n+1的系数 多项式在x处的值y可用下面程序计算． y=polyval(a,x,m) 线性：m=1, 二次：m=2, … polyfit的输出是一个多项式系数的行向量。为了计算在xi数据点的多项式值，调用MATLAB的函数polyval。 例： x=0:0.1:1; y=[-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.489.30 11.2];
polyfit用法示例结果
A=polyfit(x,y,2) z=polyval(A,x); plot(x,y,'r*',x,z,'b') 释疑： 在不少书中和论坛上，polyfit被误写作“ployfit”，使得很多初学者误解，认为自己安装的MATLAB软件出错，无法找到这样的函数。只要注意拼写正确即可。同样地，polyval函数也易被误写为“ployval”。
