数据拟合函数用什么

① 曲线拟合的常用函数

指数函数(exponential function)的标准式形式为
Y=aebX (12.29)
对式（12.29）两边取对数，得lnY=lna+bX (12.30)
b>0时，Y随X增大而增大；b<0时，Y随X增大而减少。见图12.4(a)、(b)。当以lnY和X绘制的散点图呈直线趋势时，可考虑采用指数函数来描述Y与X间的非线性关系，lna和b分别为截距和斜率。
更一般的指数函数
Y=aebX+k (12.31)
式中k为一常量，往往未知, 应用时可试用不同的值。 对数函数（lograrithmic function）的标准式形式为
Y=a+blnX (X>0) (12.32)
b>0时，Y随X增大而增大，先快后慢；b<0时，Y随X增大而减少，先快后慢，见图12.4(c)、(d)。当以Y和lnX绘制的散点图呈直线趋势时，可考虑采用对数函数描述Y与X之间的非线性关系，式中的b和a分别为斜率和截距。
更一般的对数函数
Y=a+bln(X+k) (12.33)
式中k为一常量，往往未知。
(a)lnY=lna+bX(b)lnY=lna-bX(c)Y=a+blnX(d)Y=a-blnX 幂函数（power function）的标准式形式为
Y=aXb(a>0,X>0) (12.34)
式中b>0时，Y随X增大而增大；b<0时，Y随X增大而减少。
对式（12.34）两边取对数，得
lnY=lna+blnX(12.35)
所以，当以lnY和lnX绘制的散点图呈直线趋势时，可考虑采用幂函数来描述Y和X间的非线性关系，lna和b分别是截距和斜率。
更一般的幂函数
Y=aXb+k (12.36)
式中k为一常量，往往未知。

② 关于matlab 数据拟合 ，没有经验公式，不知道是几次的函数，该如何拟合

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。
最后，希望我的回答可以帮助你。也希望你能采纳我的回答。

③ 如何用matlab数据拟合函数

MATLAB有好多方法来拟合函数，比如对数拟合、指数拟合、多项式拟合。建议你看一下讲解MATLAB函数拟合的书籍。就你给的数据看，多项式拟合(Polyfit)比较适合且比较简单。

④ 这个曲线用什么函数来拟合

可以用三次函数来拟合。拟合函数方程：
y=a+b/x+c/x²
其中：a>0,b<0,c<0

⑤ 怎么用matlab进行数据的多元拟合

如何用matlab进行数据的多元函数拟合？

1、拟合前，我们应准备x1,x2,x3,。。。,y的一系列数据

2、将x1,x2,x3,。。。数据赋值给X变量

3、自定义多元函数拟合函数，如func=@(a,x)a(1)*x1+a(2)*x2+a(3)*x3+a(4)，a为拟合系数

4、初定a的初始值，如a0=[0,0,0,0] %其个数必须与拟合显示对应

5、利用nlinfit或lsqcurvefit函数，求其拟合系数。如

[a,r,J]=nlinfit(X,y,func,a0)

这里，a为拟合系数；r为残差；J为Jacobian 矩阵

6、利用nlparci函数，求得拟合系数的置信区间，即

ci = nlparci(p,r,J)

7、计算拟合值，即 yi=func(a,x)

8、计算原数据与拟合数据的相关性，如R²≈1，则认为拟合是合理的。

⑥ polyfit的用法

polyfit的用法：

p = polyfit(x,y,n);

% 其中x,y表示需要拟合的坐标点，大小需要一样； n表示多项式拟合的次数。

% 返回值p表示多项式拟合的系数，系数从高到低排列。

polyfit函数是matlab中用于进行曲线拟合的一个函数。其数学基础是最小二乘法曲线拟合原理。曲线拟合：已知离散点上的数据集，即已知在点集上的函数值，构造一个解析函数（其图形为一曲线）使在原离散点上尽可能接近给定的值。

调用方法：polyfit(x,y,n)。用多项式求过已知点的表达式，其中x为源数据点对应的横坐标，可为行向量、矩阵，y为源数据点对应的纵坐标，可为行向量、矩阵，n为你要拟合的阶数，一阶直线拟合，二阶抛物线拟合，并非阶次越高越好，看拟合情况而定。

matlab polyfit 做出来的值从左到右表示从高次到低次的多项式系数。

例子：

x = (0: 0.1: 2.5)'。

y = erf(x)。

p = polyfit(x,y,6)。

p =。

0.0084 -0.0983 0.4217 -0.7435 0.1471 1.1064 0.0004。

则y=0.0084x^6-0.0983x^5+0.4217x^4-0.7435x^3+0.1471x^2+1.1064x+0.0004。

⑦ 请问matlab用什么函数来拟合曲线方程，向量数据以给出，只求方法

1、先用plot3（）函数，绘出其曲线。
x=[。。。]
y=[。。。]
z=[。。。]
plot3（x，y，z）
2、用你熟悉的曲线方程去比对，确定拟合曲线函数。
3、用 nlinfit（）函数，求出拟合系数。
如：
b=[ b10 b20 b30];
func=inline('X(:,1).^2+X(:,2).^2+a(1)*X(:,1)+a(2)*X(:,2)+a(3)','a','X');
[a,r,J] = nlinfit(X,y,func,b);

⑧ excel表格拟合函数怎么用

用wps表格来拟合的步骤：1、分两列输入你的数据，比如在A列输入x，B列输入y；2、选中两列数据点，点击“插入”-“图表”钮，出现“图表类型”对话框；3、在“图表类型”中选择“散点图”，按“完成”钮;4、在图表中，选中这些点，用鼠标右键菜单中选择“添加趋势线”；5、在出现的类型对话框的“类型”中，选择“多项式”，在右侧的数据框中调整多项式阶数，然后点“确定”钮，就会出现你希望的曲线函数和图

⑨ 如何用matlab数据拟合函数

Matlab有一个功能强大的曲线拟合工具箱 cftool ，使用方便，能实现多种类型的线性、非线性曲线拟合。下面结合我使用的 Matlab R2007b 来简单介绍如何使用这个工具箱。

假设我们要拟合的函数形式是 y=A*x*x + B*x, 且A>0,B>0。

1、在命令行输入数据：
》x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447 296.204 311.5475]；
》y=[5 10 15 20 25 30 35 40 45 50]；

2、启动曲线拟合工具箱
》cftool

3、进入曲线拟合工具箱界面“Curve Fitting tool”
（1）点击“Data”按钮，弹出“Data”窗口；
（2）利用X data和Y data的下拉菜单读入数据x,y，可修改数据集名“Data set name”，然后点击“Create data set”按钮，退出“Data”窗口，返回工具箱界面，这时会自动画出数据集的曲线图；
（3）点击“Fitting”按钮，弹出“Fitting”窗口；
（4）点击“New fit”按钮，可修改拟合项目名称“Fit name”，通过“Data set”下拉菜单选择数据集，然后通过下拉菜单“Type of fit”选择拟合曲线的类型，工具箱提供的拟合类型有：
Custom Equations：用户自定义的函数类型
Exponential：指数逼近，有2种类型， a*exp(b*x) 、 a*exp(b*x) + c*exp(d*x)
Fourier：傅立叶逼近，有7种类型，基础型是 a0 + a1*cos(x*w) + b1*sin(x*w)
Gaussian：高斯逼近，有8种类型，基础型是 a1*exp(-((x-b1)/c1)^2)
Interpolant：插值逼近，有4种类型，linear、nearest neighbor、cubic spline、shape-preserving
Polynomial：多形式逼近，有9种类型，linear ~、quadratic ~、cubic ~、4-9th degree ~
Power：幂逼近，有2种类型，a*x^b 、a*x^b + c
Rational：有理数逼近，分子、分母共有的类型是linear ~、quadratic ~、cubic ~、4-5th degree ~；此外，分子还包括constant型
Smoothing Spline：平滑逼近（翻译的不大恰当，不好意思）
Sum of Sin Functions：正弦曲线逼近，有8种类型，基础型是 a1*sin(b1*x + c1)
Weibull：只有一种，a*b*x^(b-1)*exp(-a*x^b)