如何利用大量数据来拟合函数

Ⅰ 谁能教教我怎么把大量数据拟合成一个比较复杂的函数

拟合函数是用于曲线拟合的函数。如果您知道y和x有关，但不知道是什么关系，只能通过实验得到一组数据，如x=x1时y=y1，x=x2时y=y2，...这里(x1,y1)、(x2,y2)、...都是实验结果，您就可以在直角坐标系中画出各点，描点可得两者的关系曲线。根据曲线的形状您可以选择一个函数，如果类似于直线那就简单了，如果是弯曲的可以选择y是x的多项式函数，如y=a*x*x*x+b*x*x+c*x+d等等，也可以是其他形式的函数类型，然后利用最小二乘法或其他拟合方法求出系数a,b,c,d等，即可得到y和x的关系，这个过程就是曲线拟合，这个函数就是拟合函数。由于实验有误差，选择的函数也不一定就很合适，拟合出来的函数一般难以准确通过各点，但可以离各点尽量近，从而近似地表示y和x的关系。

Ⅱ 求急！！用MATLAB对大量的离散数据进行拟合，哪种拟合方法的精确度比较高

这主要看数据的拟合趋势，是线性关系的，还是非线性关系的。对于线性关系的，可以用regress（）函数；非线性关系的，可以用lsqcurvefit（）函数或nlinfit（）函数。

Ⅲ 简述实验数据及模型参数的拟合方法

(1) 简述实验数据及模型参数拟合方法，并举2个例子。
答:实验数据拟合方法：试验测得的数据常常是一组离散型序列，含有不可避免的误差，或者无法同时满足某特定的函数，那么我们用所逼近函数ψ（x）最优的靠近样点，此法称为拟合函数。
模型参数拟合方法：在某一反应工程实验中，对测得的某一组数据，采用不同的模型去拟合实验数据，求出最佳的模型和模拟参数。
举例：线性拟合函数和二次拟合函数。
(2) 线性拟合和二次拟合函数之间的异同点。
线性拟合：给定一组数据（xi,yi）,i=1，2，···，m作拟合直线p(x)=a0+a1x；
二次拟合：给定数据排列（xi,yi）,i=1，2，···，m，用二次多项式函数p(x)=a0+a1x+a2x2拟合各组数据。
相同点：二者都是Q与Y之间误差最小原则作为最优标准的逼近函数，二者都用于离散型函数组的拟合，二者都用于单变量函数拟合。
不同点：线性拟合构造的函数为二次函数，二次拟合构造的函数为二次函数。
(3) 什么是矛盾方程组，其如何求解。
答：一般情况下，当方程数n多于变量数m，且m个方程之间线性不相关，则方程组无解，这时方程组称为矛盾方程组。方程组在一般意义下无解，也即无法找到n个变量同时满足m个方程。这种情况和拟合曲线无法同时满足所有的实验数据点相仿，故可以通过求解均方误差min||AX-Y)||22­极小意义下矛盾方程的解来换取拟合曲线。由数学知识还可以证明，方程组ATAX=ATY的解是矛盾方程组AX=Y在最小二乘法下的解。
(4) 什么叫非线性方程求解，试举出五个以上方法。
答：对于一般的非线性方程f(x)=0，通常其根不止一个，求解月无法确定的方法，而任何一种方法，只能算出一个根。因此，在求解非线性方程式，要给定初始值或求解范围。采用相应的方法求解方程f(x)=0的根叫做非线性方程求解。
方法：对分法、直接迭代法、松弛迭代法、牛顿迭代法、割线法。

Ⅳ 使用matlab软件，大量的离散数据进行数据拟合，如何把多组参数的拟合曲线放在一个图上进行比较

你可以直接在命令窗口下执行就行了。
x1=[....],y1=[....]
x2=[....]],y2=[....]
x3=[....]],y3=[....]
。。。。。
plot(x1,y1,x2,y2,x3,y3,.........),grid on

Ⅳ 在EXCEL中如何使用指数函数,幂函数,对数函数拟合一组数据

1、框选数据——散点图——点击图片上的点——右击，添加趋势线，就有各种函数的拟合方式。

2、用Excel，输入数据后，选定数据，然后点击“插入”，找到“散点图”，画出散点图，选中散点图的曲线（没趋势线的就选择点），右键，“添加趋势线”或“设置趋势线格式”，可以看见有不同的拟合可以选择。选中某个后，可以勾选“显示公式”以及“显示R的平方”，可以查看公式以及拟合程度。

Ⅵ matlab数据太多怎么拟合曲线

一、 单一变量的曲线逼近
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逗Curve Fitting
tool地
（1）点击逗Data地按钮，弹出逗Data地窗口；
（2）利用X data和Y data的下拉菜单读入数据x,y，可修改数据集名逗Data set
name地，然
后点击逗Create data set地按钮，退出逗Data地窗口，返回工具箱界面，这时会自动画出数
据集的曲线图；
（3）点击逗Fitting地按钮，弹出逗Fitting地窗口；
（4）点击逗New fit地按钮，可修改拟合项目名称逗Fit name地，通过逗Data
set地下拉菜单
选择数据集，然后通过下拉菜单逗Type of fit地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)
选择好所需的拟合曲线类型及其子类型，并进行相关设置：
——如果是非自定义的类型，根据实际需要点击逗Fit options地按钮，设置拟合算法、修改
待估计参数的上下限等参数；
——如果选Custom
Equations，点击逗New地按钮，弹出自定义函数等式窗口，有逗Linear
Equations线性等式地和逗General Equations构造等式地两种标签。
在本例中选Custom Equations，点击逗New地按钮，选择逗General
Equations地标签，输入函
数类型y=a*x*x + b*x，设置参数a、b的上下限，然后点击OK。
（5）类型设置完成后，点击逗Apply地按钮，就可以在Results框中得到拟合结果，如下例：
general model:
f(x) = a*x*x+b*x
Coefficients (with 95% confidence bounds):
a = 0.009194 (0.009019, 0.00937)
b = 1.78e-011 (fixed at bound)
Goodness of fit:
SSE: 6.146
R-square: 0.997
Adjusted R-square: 0.997
RMSE: 0.8263
同时，也会在工具箱窗口中显示拟合曲线。
这样，就完成一次曲线拟合啦，十分方便快捷。当然，如果你觉得拟合效果不好，还可以在逗
Fitting地窗口点击逗New fit地按钮，按照步骤（4）~（5）进行一次新的拟合。
不过，需要注意的是，cftool 工具箱只能进行单个变量的曲线拟合，即待拟合的公式中，变
量只能有一个。对于混合型的曲线，例如 y = a*x + b/x ，工具箱的拟合效果并不好。

Ⅶ MATLAB多组数据如何进行拟合

要兼顾三组数据，在试验条件不变的情况下，可对三组数据取平均值后再拟合。
如：a1=[x1,y1];a2=[x2,y2];a3=[x3,y3];假设x1,x2,x3，y1,y2,y3是列向量且元素个数相等，
x=mean([x1,x2,x3],2);
y=mean([y1,y2,y3],2);
a=[x,y];
再对x,y进行拟合就可对三组数据都兼顾到了。

Ⅷ MATLAB数据拟合处理大量数据的实例分析

给你用一个一元情况的吧；

>>x=-1:0.2:1;

>>y=[0.841470984807897-0.717356090899523-0.564642473395035-0.3894183423086...

-0.19866933079506100.1986693307950610.389418342308650.564642473395035...0.7173560908995230.841470984807897];

如果要你想拟合成一个2次多元函数

命令为

>>p=polyfit(x,y,2)

就可以得到拟合多项式的系数。

还可以通过做出原图和拟合后的效果图，见图1，就可以比较拟合效果，命令如下：

>>fval=polyval(p,x);

>>plot(x,fval),holdon

>>plot(x,y),holdoff

当然还有一个更为实用的方法，就是直接的应用命令polytool；

>>polytool(x,y,n)

n是你想最高次拟合为多少，如果是5，就输入>>polytool(x,y,5)

得到的是一个含有偏差的拟合效果图，其中图形中的degree代表可以改变拟合次数。见图2

Ⅸ 如何将函数与数据拟合

可以用k次多项式拟合。运行步骤如下：
x=[。。。];
y=[。。。]；
p=polyfit(x,y,2) %y=p1*x^2+p2*x+p3
xi=[。。。]
yi=polyval(p,xi)
plot(x,y,'o',xi,yi) %绘图，查看拟合效果
ok

Ⅹ 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。