matlab 线性拟合polyfit_Matlab-最小二乘法数据拟合

1、定义： 

最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。

最小二乘法原理： 

在我们研究两个变量（x,y）之间的相互关系时，通常可以得到一系列成对的数据（x_{1},y_{1}.x_{2},y_{2}...x_{m},y_{m}）；将这些数据描绘在x-y直角坐标系中，若发现这些点在一条直线附近，可以令这条直线方程如（式1-1）。 _{}:代表下标，^{}:代表上标。

y = a_{0}x+a_{1}  （式1-1)   其中：a0、a1 是任意实数

2 常见拟合曲线：

直线：    y = a_{0}x+a_{1}      

多项式：y=a_{0}x^{n} + a_{1}x^{n-1} + a_{2}x^{n-2} + …+a_{n}一般次数不易高于3。

3 matlab函数

polyfit函数基于最小二乘法，使用的基本格式为：

p = polyfit(x,y,n)

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

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

注：

其中每个命令中的n为多项式拟合的次数，当n为1时，即为一次