matlab数据拟合函数

1. matlab数据拟合函数

这，，，，，这是二值函数啊，手动给出一个解吧：
y = -2*sgn(x-31);
其中sgn是符号函数
如果要用连续函数拟合的话，可以用sigmod函数：
y = -2/(exp(-x+31.5)+1) + 1;

2. matlab怎么根据数据拟合公式

　　不管是什么程序（matlab或是excel），你必须得告许程序目标拟合公式的形式。这里的形式，是指你的公式是多项式型、对数型、三角形或其它的形式，但是这个公式里面有待定的系数，而这个系数就是通过拟合得到的。
　　还有就是数据拟合，一般采用最小二乘的方法，这种方法并不是所有形式的公式都可以拟合。如果你的公式比较复杂，比如上说是一个积分形式，并且这个积分还不能显示的积出来，需要数值积分才可以积出来的话，用最小二乘法就不行了，这时，matlab是没有现成的函数来进行拟合的，这时就需要自己编程序来实现，比如可以运用“黄金分割法”、“Powell优化”等方法来实现。
　　但，如你所提的问题，多项式是可以拟合的，多项式拟合也是最基本的数据拟合。可是呢，你又不知这个多项式是多少次的，这时候就需要根据你对已有数据观察加以判断了。你可以先假定是N次的，然后根据拟合的效果看是否需要更改。数据拟合并没有标准答案，只要你拟合出来的曲线和已有的数据符得相对比较好就行了。转载，仅供参考。
　　

3. matlab数据拟合

程序改成如下：
 
x=0:pi/20:pi/2; y=sin(x); a=polyfit(x,y,5);x1=0:pi/30:pi*2;y1=sin(x1);y2=a(1)*x1.^5+a(2)*x1.^4+ a(3)*x1.^3+ a(4)*x1.^2+ a(5)*x1+a(6) ; plot(x1,y1,'b-',x1,y2,'r*')set(gca,'Xtick',[0:0.5:7])%设置坐标轴legend('原曲线','拟合曲线') grid onaxis([0,7,-1.2,4])
 

 
第二问。程序改成如下：
x=0:pi/20:pi/2;y=sin(x);a=polyfit(x,y,5);x2=0:pi/20:pi/2;y2=a(1)*x2.^5+ a(2)*x2.^4+ a(3)*x2.^3+ a(4)*x2.^2+ a(5)*x2+a(6);%把x1该成x2plot(x,y,'*',x2,y2,'-')

4. matlab拟合函数？

题主给出中国人口预测问题（二），可以使用英国经济学家马尔萨斯提出的Malthus模型来拟合与预测。其步骤：
第一步，自定义Malthus模型函数（指数函数），如
func=@(k,t)N0*exp(D*(t-t0))
这里,N0=60.2;t0=1954;
第二步，利用1954-2005年的数据，分别使用lsqcurvefit函数，求出系数D。即
[D,resnorm,residual,exitflag]=lsqcurvefit(func,a0,t,N);
第三步，计算拟合值，即
x1=func(D,t);
第四步，计算相关系数R^2,即
R2=R2_fun(x,x1);
第五步，预测2010年和2030年的人口数，即
xhat=func(D,2010);
disp(['预测2010年人口数为',num2str(xhat),'千万'])
xhat=func(D,2030);
disp(['预测2030年人口数为',num2str(xhat),'千万'])
第六步，使用plot函数绘制，中国人口数的统计数据与预测模型曲线对比图,即
plot(t,x,'*-',t,x1,'+-')
第七步，标注图例，即
legend('统计数据','Malthus模型')
第八步，编写标题，即
title='中国人口数的统计数据与Malthus模型曲线对比';
第九步，标注坐标轴名称，即
xlabel('年份');ylabel('人口（千万）');
最后，编写程序，并运行可以得到如下结果。
其他问题与上述过程类似。

5. matlab拟合函数？

首先，把给出的向量方程，改写为
a1*X+a2*Y+a3=-(X²+Y²)
Z(x,y)=-(x²+y²)=a1*x+a2*y+a3
然后，我们用regress最小二乘法回归函数来拟合a1、a2、a3的系数
x=[。。。] %数据
y=[。。。] %数据
Z=-(x²+y²);
X=[x  y  ones(n,1)]; %n=x或y数据的个数
a= regress(Z,X); %求出系数a1,a2和a3
此时，我们就可以得到如下系数：
a1=a(1),a2=a(2)和a3=a(3)

6. 关于matlab拟合

用matlab拟合三维曲线函数，一般可以用lsqcurvefit或nlinfit等函数来求解其函数的系数。求解步骤：
1、已知x、y、z的对应的数据，若干组（数据要求十组以上）
x=[。。。];y=[。。。];z=[。。。];
X=[x y]; %组成X向量组
2、自定义拟合函数，例如，fun=@(a,X)a(1)*X(:,1).^2+a(2))*X(:,2).^2
3、初定a的初值，a0
4、求解拟合系数，a=lsqcurvefit(fun,a0,x,z)
5、已知值与拟合值对比，并求其决定系数 R²
z1=fun(a,X)
[z  z1] %对比
6、判断其决定系数 R²是否接近于1。

7. matlab函数拟合

问题出在，t=0时，Log10（t）是无穷大，所以运行程序出现警告。处理方法，人为地加一个最小量，即
t=[eps 0.3333333333333144  0.6666666666666856 1.0 ......]
程序修改后代码
t=[eps 0.3333333333333144  0.6666666666666856 1.0 ......]';
y=[0.7000000000000455 5.5 5.5 5.400000000000034 5.300000000000011 ......]';
[coefit,yfit]=f_mbpclft(t,y)   %f_mbpclft（）自定义函数就是你给的内容
运行结果

8. 用matlab拟合函数

用matlab拟合成：(a/165000)*(2*x)^b+d*(2*x)^c这种形式，一般可以lsqcurvefit（）来确定a,b,c,d的系数。
经拟合可以求得
a=0.00011353,b=1,c=-5.1844,d=-5.1844
R^2=0.97664    %相关系数（拟合度）

运行代码：