matlab求拟合度

需要数据然后根据函数是否线性采用不同的方法基本原则是最小二乘

x=1:24;y=[550552.3554.5559.1561.4586.4645.5690.9709.1718.2690.9656.8645.5615.9593.2586

F=@(p,x)p(1)*x(:,1).^2+p(2)*x(:,1).*x(:,2)+p(3)*x(:,2).^2+p(4);%离散数据点x=[6.324606.93791.13727.08751.4

x=1978:2002;y=[272.81,286.43,311.89,324.76,337.07,351.81,390.85,466.75,490.86,545.46,648.3,696.54,78

data=[13.3939710779.2408626376.5756513.1876210624.9898228662.5539912.120919529.59005728863.002

用polyfit函数.%m文件clear;x=[12345];y=[44.56810];S=polyfit(x,y,1);X=0:0.1:6;Y=S(1)*X+S(2);plot(x,y,'*',X,

>> x=[0 0.1 0.2 0.4 0.6 0.8 1];y=[7.53 7.04 6.2&n

c=0.07+8.32exp(-0.02*t*t)两边取对数试试,不知道能不能拆成你想要的形式.

x1=[11.512.512.61313.113.413.614]';x2=[26.526.326.426.326.926.926.826.8]';x3=[129.3264603118.3568052

x=[-2.573\x09-2.159\x09-1.741\x09-1.403\x09-1.029\x09-0.699];y=[0.640\x090.844\x091.081\x091.227\x09

clc;clearx=1:5;y=[-264662-119192-42940-26347-26335];fun1=inline('A(1)+A(2)*exp(1./x)','A','x');fun2=

clc,clearallx=[-20.0000 -15.0000 -12.5000 -10.0000 -7.5000 -5.0000 -2.

α,k/λ,K,λ认为是四个未知参数,然后把所有的数据值带入,求解矛盾方程组,或者用最小二乘的原理可以求解这几个参数再问：好感谢，不过这两个方法我都试了……有木有别的，专对方程组的拟合？~再答：什么意

这个离散数据理论上是没办法求得解析式的,只能用各种常用函数去拟合,你应该先做出它的图形,看看大致什么样的函数分布比较贴进,然后用mean,std等函数求出其均值,平方差等,然后看看求得的拟合曲线中,哪

我可以的 General model Gauss1:       f(x) = 

建立函数文件：functiony=myfun(beta,x)y=2.350176*beta(1)*(1-1/beta(2))*(1-(1-x(:,1).^(1/beta(2))).^beta(2)).

你可以查查POLYFIT函数,可以做到拟合曲线

t=[0,1,2,3,4,5,6,7,8,9]';y=[127627,128453,129227,129988,130756,131448,132129,132802,133474,133972]';

x=[50 150 250 350 450 550 650]';y=[0.658415842 0.193069307&nb

P=regress(y',[x1',x2',x3',x4'])%需要常数项就在最后加一个ones(size(x4'))再问：那个怎么加ones(size(x4'))？我家在后面就多了一个ans的值，都