matlab最小二乘法曲线拟合

1. matlab最小二乘法曲线拟合

用nlinfit（）函数拟合，得到
c= 0.02000000498，K = -1.000012511
拟合精度R=0.99999999999997925522105374252033

2. 求教用matlab 实现最小二乘法拟合曲线

Linear model Poly1:     f(x) = p1*x + p2       where x is normalized by mean 5.5 and std 3.028Coefficients (with 95% confidence bounds):       p1 =       214.4  (45.7, 383.2)       p2 =         279  (118.9, 439)
Goodness of fit:  SSE: 3.855e+005  R-square: 0.5177  Adjusted R-square: 0.4574  RMSE: 219.5

3. Matlab最小二乘法拟合曲线

a(1)=0.218247627，a(2)=1.987590598，a(3)=119.3022008

4. matlab做最小二乘拟合

程序为：
x=[15,30,45,60,75,90,105,120,135,150,165,180,195,210,225,240,255,270];
y=[7,7.9,8.8,10,11,12.6,14,14.6,15.2,15.7,16.2,16.4,16.7,17,17.3,17.5,17.7,18.0];
p=polyfit(x,y,2)
x2=0:300;
y2=polyval(p,x2);
plot(x,y,'o',x2,y2)
结果为：
p =
  -0.000193441119138   0.098295493636051   5.181372549019607

p所得三个值就是对应你要求的m(1) ,m(2),m(3)三个系数

5. matlab最小二乘法曲线拟合 非线性拟合

>> x =[125.1200  126.6500  128.6300  129.5100  132.8900  136.7400  137.0100  144.0100  150.0300  155.0600];
>> y=[26.5000   37.9300   50.9300   53.4000   64.2000   74.6500   77.4000   87.5400   95.5000  101.8600];
>> fun=@(pb,x) 0.94*(x.^pb(1)-pb(2)^pb(1)).^(1/pb(1));
>> pb=nlinfit(x,y,fun,[1 2])

pb =

    2.6227  124.0240

p=2.6227    b=124.0240

6. matlab中用最小二乘法拟合直线怎么做？

最小二乘法，通常用在我们已知数学模型，但是不知道模型参数的情况下，通过实测数据，计算数学模型，例如，在题目中，数学模型就是直线方程y=ax+b，但是不知道直线方程的a和b。
本来呢，我们只需要两组（xi,yi），就可以解得a和b，但是由于实测数据都存在误差，所以，我们很容易想到一个办法，我们测很多组数据来让我的a和b更加准确。
数学模型如下：
F=ax+b-y
那么对于模型上的点(注意是模型上的点，也就是理论值)，F=ax+b-y=0
但是对于实际值来说，F=axi+b-yi 一定不等于0。那么我们就要找到一对a和b，使得F尽可能接近于0。
也就是说，“偏离量总和最小”这个概念，在数学上实际上就是要求F的方差最小。
即 Σ F^2→0 （F的平方和趋近于0）
即 Σ(axi+b-yi)^2→0
那么我们得到一个方程f(a,b)=Σ(axi+b-yi)^2，我们要找到合适的a,b使得f(a,b)最小！	也就是说，我们要找到的实际上是f(a,b)的最小值点。（因为方差不可能小于0）	因此我们需要求f(a,b)的极值点。我们借助数学工具偏导。	如果有一组a,b使得	 ∂f(a,b)/∂a=0
∂f(a,b)/∂b=0
那么f(a,b)就是极值点，如果a,b只有一对，那么它就是最小值点。	即  ∂( Σ(axi+b-yi)^2 )/∂a=0
∂( Σ(axi+b-yi)^2 )/∂b=0	化简得到
a*Σxi^2 + b*Σxi = Σ(xi*yi)
a*Σxi + b*N = Σyi
其中N是(xi,yi)的个数。即我们测了多少组数据
解上面的二元方程，我们就可以得到唯一的一组a,b啦，这就是我们所需要的a和b

7. 用加权最小二乘法拟合曲线matlab？

如何用matlab求加权最小二乘法拟合曲线？第一步，根据给出的xi、yi、wi分别赋值给x、y、w列变量第二步，将xi与wi乘积赋值给X变量，即X=w.*x;第三步，创建多项式系数矩阵，即X1=[X.^4 X.^3 X.^2 X ones(size(x))];第四步，使用regress函数求出拟合系数，即[p,bint,r,rint,stats] = regress(y,X1);第五步，显示拟合系数和相关系数p1=p(1),p2=p(2),p3=p(3),p4=p(4),p5=p(5)R^2=stats(1)第六步，计算拟合值，即Y=p(1)*X.^4+p(2)*X.^3+p(3)*X.^2+p(4)*X+p(5);
第七步，使用plot函数，绘制拟合曲线

8. 二元函数用matlab最小二乘法拟合

matlab里最小二乘法只要用简单的矩阵除法就可以完成。示例：y=a1*x1^2+a2*x2+c

% 原始数据

x1 = [1 2 3 ... ]; x2 = [1 2 3 ...]; y = [1 2 3 ...];
% LS

Y = y(:); H = [x1(:).^2 x2(:) ones(size(x1(:)))];
X = (H.'*H)\(H.'*Y);
得到的X是三个数的向量，X(1)是a1，X(2)是a2，X(3)是c。