Matlab数据拟合

版本：Matlab2018

内容：

1、fittype,fit,fitoptions等函数用法介绍，包括常见函数拟合方法

2、误差分析，均方差等

3、置信度和置信区间表示【不太确定能否用到这点，先写着】

一、拟合方法介绍

使离散点尽可能的归于一条光滑曲线上，多项式拟合可以采用函数polyfit。

使用方法：

x=1:20;
y=3*x+rand(1,20)*0.5;

[p,S] = polyfit(x,y,n)

其中，p表示的多项式的参数，p(x)=p1*pow(x,n)+...+...+p(n+1)，即p=[p1,p2,...,p(n+1)]

S代表误差。

一个简单的拟合例子：对于多维函数而言，基本上都可以采用如下方法进行拟合。

第一列数是Ne密度，第二列是Te,第三列 Ti, 第四列是eta；根据1,2,3求4
clear
clc
data=load('eta-all.dat');
x1=data(:,1);
x2=data(:,2);
x3=data(:,3);
y=data(:,4);
x=[x1,x2,x3];
%基于第二列等于第三列时候，出现y=x(1)./(a(1)+x(1))*a(2)*exp(a(3)*(x(2)-x(3)));
func=@(a,x)(x2./(a(1)+x2)+a(2)).*exp((x2-x3).*a(3)+a(4)*x1);
b=[1,0.100000000000000,0.100000000000000,0.00617100000000000];
%aaa=nlinfit(x,y,func,b);%非线性拟合
aaa=lsqcurvefit(func,b,x,y);
y1=func(aaa,x);
plot(1:size(y,1),y,'o');
hold on
plot(1:size(y1,1),y1,'o');
legend('原始值','实际值')