matlab曲线拟合用到的是曲线拟合工具箱(cftool)
也可以使用 cftool 指令来打开
例如:
1.输入曲线拟合的数据,并且打开曲线拟合工具箱
>> x=[1 3 5 7 9 10 13];
>> y=[0.1 0.5 0.7 0.9 1.1 1.3 1.5];
>> cftool
2.加载数据
3.选择曲线拟合方式
曲线拟合工具箱提供的拟合方式有:
拟合方式 | 解释 |
Custom Equation | 用户自定义函数类型 |
Exponential | 指数逼近,有2种类型 |
Fourier | 傅里叶逼近,有8种类型 |
Gaussian | 高斯逼近,有8种类型 |
Interpolant | 插值逼近,有4种类型 (linear、cuibic、Shape-preserving(PCHIP)、Nearest neighbor) |
Liner Fitting | 线性拟合 |
Polynomial | 多项式逼近,其最高次数为9 |
Power | 幂逼近,有2种类型 |
Rational | 有理数逼近 |
Smoothing Spline | 平滑逼近 |
Sum of Sine | 正弦曲线逼近,有8种类型 |
Weibull | 威布尔逼近 |
4.例如选择多项式一次逼近,则显示
其中 Table of Fits中就显示了拟合信息
Results :显示当前拟合的详细结果, 包括拟合类型 (模型、样条或插值函数)、拟合系数以及参数匹配的95% 置信范围, 以及适合统计的这些优点;
SSE::错误的平方和。此统计量测量响应的拟合值的偏差。接近0的值表示更好的匹配。
R-square:多重测定系数。数值的大小在0到1之间,越接近1,表明方程的变量对y的解释能力越强。
Adjusted R-square:自由度调整 r 平方。接近1的值表示更好的匹配。当您向模型中添加附加系数时, 它通常是适合质量的最佳指示器。
RMSE:均方根误差。接近0的值表示更好的匹配。
可以根据自己需求选择合适的拟合方式。