1.打开 CFTOOL 工具箱。g",点开"Curve Fitting Tool",出现数据拟合工具界面,基本上所有的数据拟合和回归分析都可以在这里进行。也可以在命令窗口中直接输入”cftool”,打开工具箱。
2.输入两组向量 x,y。
首先在 Matlab 的命令行输入两个向量,一个向量是你要的x坐标的各个数据,另外一个是你要的 y坐标的各个数据。输入以后假定叫 x向量与 y向量,可以在workspace 里面看见这两个向量,要确保这两个向量的元素数一致,如果不一致的话是不能在工具箱里面进行拟合的。
例如在命令行里输入下列数据:
x = [196,186, 137, 136, 122, 122, 71, 71, 70, 33];
y=[0.012605,0.013115,0.016866,0.014741,0.022353,0.019278,0.041803,0.038026,0.038128,0.088196];
3.数据的选取。
4.曲线拟合(幂函数 power)。
取拟合或回归类型,各个类型的拟合或回归相应的分别是:
Custom Equations 用户自定义函数
Expotential e指数函数
Fourier 傅立叶函数,含有三角函数
Gaussian 正态分布函数,高斯函数
Interpolant 插值函数,含有线性函数,移动平均等类型的拟合
Polynomial 多项式函数
Power 幂函数
Rational 有理函数
Smooth Spline (光滑插值或者光滑拟合,不太清楚)
Sum of sin functions 正弦函数类
Weibull 威布尔函数
5.拟合后的结果信息。
在 Fitting对话框中的 Results文本框中显示有此次
拟合的主要统计信息,主要有
General model of sin1:
....... (函数形式)
Coefficients (with 95% conffidence range) (95%置信区间内的拟合常数)
a1=... ( ... ...) (等号后面是平均值,括号里是范围)
....
Godness of fit: (统计结果)
SSE: ... (方差)
R-squared: ... (决定系数,不知道做什么的)
Adjusted R-squared: ... (校正后的决定系数,如何校正的不得而知)
RMSE: ... (标准差)
for example:
Linear model Poly4:
f(x) = p1*x^4 + p2*x^3 + p3*x^2 + p4*x + p5
Coefficients (with 95% confidence bounds):
p1 = -0.26 (-8.731, 8.211)
p2 = 1.704 (-57.78, 61.19)
p3 = -3.168 (-146.7, 140.4)
p4 = 3.943 (-133.2, 141)
p5 = 0.35 (-41.52, 42.22)
Goodness of fit:
SSE: 0.1429
R-square: 0.9959
Adjusted R-square: 0.9796
RMSE: 0.378
7.图片导出。另外要说的是,如果想把这个拟合的图像导出的话,在 Curve
Fitting Tool窗口的 File菜单下选Print to Figure,此时弹出一个新的图像
窗口,里面是你要导出的图像,在这个 figure 窗口的File菜单里再选 Export,
选择好合适的格式,一般是 jpeg,选择好路径,点击 OK就可以了。出来的图像
可以在Word等编辑环境中使用,就不多说了。
要修改图像的性质,如数据点的大小、颜色等等的,只需要在对象上点右键,就
差不多可以找到了。
另外使用程序来进行曲线拟合:
p=polyfit(xdata,ydata,n) n 为选取的方法
a=polyval(p,xdata) 进行曲线拟合后计算所得到得值
可以将拟合曲线与源曲线画出来:
plot(xdata,ydata,'b*',xdata,a,'r-')
legend('ydata','fit');