多少组数据拟合有价值

❶ 如何做两组数据的拟合

建议你使用origin，非常好用，可以导入excel或者txt，科研人员基本都用这个

❷ 最小二乘法拟合最少需要多少组数据啊

通常数据越多越好。
要说最少的话，得看要拟合的变量有多少个，n个变量的话如果只有n个数据，那通常不用拟合，直接解方程组得出唯一解。
所以n个变量的话至少需要n+1个数据，才能做拟合。
比如平面上的直线，y=kx+b, 有2个变量，因为2点唯一确定了直线，故至少要3个数据来拟合。

❸ origin中怎么用多组数据拟合一条曲线

对应一个X列数据，多组Y列数据。当这些数据很接近时，只需要拟合一条曲线方程，这个问题也让我琢磨了很久，其实很简单。

如果使用指数函数拟合，出现对话框，点击“date selection”，在多数据方式中选择“concatenate fit”，我称之为“适合关联”。

❹ r方一般多少说明拟合的好

r方一般0.999说明拟合的好。

在工程设计或科学实验中所得到的数据往往是一张关于离散数据点的表 ，没有解析式来描述 x-y关系。根据所给定的这些离散数据点绘制的曲线，称为不规则曲线，通常用曲线拟合的方法解决这类问题。

拟合优度：

R^2衡量的是回归方程整体的拟合度，是表达因变量与所有自变量之间的总体关系。R^2等于回归平方和在总平方和中所占的比率，即回归方程所能解释的因变量变异性的百分比。

实际值与平均值的总误差中，回归误差与剩余误差是此消彼长的关系。因而回归误差从正面测定线性模型的拟合优度，剩余误差则从反面来判定线性模型的拟合优度。

统计上定义剩余误差除以自由度n – 2所得之商的平方根为估计标准误。为回归模型拟合优度的判断和评价指标，估计标准误显然不如判定系数R^2。

R^2是无量纲系数，有确定的取值范围(0—1)，便于对不同资料回归模型拟合优度进行比较；而估计标准误差是有计量单位的，又没有确定的取值范围，不便于对不同资料回归模型拟合优度进行比较。

❺ 我有20组数据 想用matlab根据前10组数据拟合出一个线性方程，再根据这个线性方程预测第11个数

线性方程指的是系数是线性的还是自变量是线性的？
用polyfit拟合，根据拟合结果用polyval做预测就行了

❻ 曲线拟合最好不要少于几组数据四组数据可行了吗恳请各位大虾指点迷津吧！急啊！

所谓的拟合就是待定参数少于方程数。比如你要线性拟合y=ax+b,x和y是数据，一组数据一个方程，a和b是待定参数，所以至少要3个方程。同理，如果你拟合二次函数，就要4个方程。当然数据越多约好，否则无法保证拟合与实际的物理特性是否吻合

❼ 如何用EXCEL拟合一组数据

选中数学，然后“插入”“图表”，选择xy散点图，再“添加趋势线”，选择模型，显示公式就行

❽ 我有一组数据，要按照我给定的公式进行曲线拟合得到系数，请大神帮忙，跪求

可以用Matlab进行给定函数拟合系数，你可以参照下列例子：
x=1:n;
y=[27.9,25.8,23.8,21.6,19.5,17.4,15.5,13.3,11.2];
func=inline('a(1).*exp(a(2)+a(3)*x)','a','x'); %自定义函数
x0=[0.7572 0.7537 0.3804]; %初值
a= nlinfit(x,y,func,x0) %拟合系数
如还有不懂得地方，可以进一步交流。

❾ 如何根据一组数据进行曲线拟合

您好，这样的：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“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)
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“fit
options”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“new”按钮，弹出自定义函数等式窗口，有“linear
equations线性等式”和“general
equations构造等式”两种标签。
在本例中选custom
equations，点击“new”按钮，选择“general
equations”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。

❿ 有一组数据需要拟合成函数，用哪种函数拟合方法最好

你不是男的吧，没别的意思，女生就是喜欢不动脑子就问些很“无理”的问题（没有歧视的意思，天性如此）
我也不想吐槽你了。。。但是麻烦你偶尔动一下那装满帅哥·美食·服装·首饰的脑子，你连数据都不给，怎么告诉你哪种方法最好？
除非有一种万能函数。但是你认为可能存在一种函数对任何一组数据效果都是最好的么？那研究数学的人干嘛还要研究那么多函数？