MATLAB函数拟合使用

大风大浪就是闯

1 函数命令拟合
最常用的函数拟合命令为fit，语法为:

1. [拟合结果 拟合精度]＝fit（X数据，Y数据，‘拟合类型’）

复制代码

其中，具体的拟合类型可以参看帮助文档，也可以使用fittype来自定义新的函数类型，比如定义拟合函数a*x+b*x^2+exp(4*x);

1. newtype=fittype('a*x+b*x^2+exp(4*x)') ;
   
2. fit(x,y,newtype);
   
3. 
   
4. x=[1;2;3;4;5];
   
5. y=[2;3;4;5;6];

复制代码

2 使用界面启动拟合工具箱

具体操作步骤:
在APP一栏，选择curve fitting工具箱，然后选择相应阶段的数据，填入X data和Y data
在fit options一栏选择对应的函数形式，阶数，和鲁棒性
点击工具栏的residuals plot，便于观察拟合误差
点击工具栏的data cursor，可以用鼠标在曲线上标记出具体的坐标值

3 界面介绍

顶部为常用工具栏，常用的一般有误差分析和鼠标标记坐标点
Fit Options可以选择拟合类型和函数次数
左侧Results显示了拟合结果的性能参数
底部的table of fits可以对多个不同的拟合结果进行性能比较

4 拟合类型




5 拟合结果说明
例如在上面的拟合中，选择Polynomial类型，Degree选择3阶，Robust选择Off，得到的Results如下：

1. Linear model Poly3:
   
2.      f(x) = p1*x^3 + p2*x^2 + p3*x + p4
   
3. Coefficients (with 95% confidence bounds):
   
4.        p1 =   0.0007776  (0.0007486, 0.0008066)
   
5.        p2 =      -0.121  (-0.1258, -0.1161)
   
6.        p3 =       6.324  (6.055, 6.592)
   
7.        p4 =        -107  (-111.9, -102)
   
8. 
   
9. Goodness of fit:
   
10.   SSE: 0.555
    
11.   R-square: 0.9973
    
12.   Adjusted R-square: 0.9973
    
13.   RMSE: 0.03777

复制代码

其中，Goodness of fit里面的性能指标如图所示：