matlab多项式拟合D
ffff式的次数，结果返回：P返回
次拟合多项
式系数从高到低
依次存放于向量P中，S包含三个值其中

ormr是残差平方
和，mu包含两个值mea
（x）均值，std
（x）标准差。
13举例
1已知观测数据为：
X：
0
1
2
3
4
5
6
7
8
9
1
Y：0447
708948
198773493
328766
112
616956
用三次多项式曲线拟合这些数据点：
x0011
y
04471978328616708734766956948
9311
2
plotxykmarkersize25
fholdo
axis013216p3polyfitxy3
t00112S3polyvalP3tplottS3r
2拟合为指数曲线
ff注：在对已测数据不太明确满足什么关系时，需要假设为多种曲
线拟合然后比较各自的residal（均方误差）越小者为优，
多项式拟合不是拟合次数越高越好，而是残差越小越好。
2非线性曲线拟合：lsqcurvefit
Xlsqcurvefitfu
X0xdataydataXres
ormlsqcurvefitfu
X0xdataydata注：其中xdataydata为给定数据横纵坐标，按照函数文件fu
给定的函数以X0为初值做最小乘二拟合，返回函数fu
中的
系数向量X和残差的平方和res
orm。21例如
f已知观测数据：
求三个参数abc的值是的曲线fxaexbX2cX已知数据点在最小二乘意义上充分接近
首先编写拟合函数文件fu
fu
ctio
ffu
XxdatafX1expxdataX2xdata2X3xdata3保存文件fu
m
编写函数调用拟合函数文件xdata0011ydata313273814551861317X0000Xres
ormlsqcurvefitfu
X0xdataydata运行显示：X
300224030409404res
orm
f00912综上：最小乘二意义上的最佳拟合函数为
fx30022x40304x209404x3残差平方和：00912
注：在针对只有一些已测数据而不太清楚最小乘二拟合函数时，
采取先打印出已知数据的散点图，然后观察散点图大概分布
f趋向，再确定拟合函数，也可以确定多个，最后比较残差选
择最优最小乘二拟合函数，再者初始值的给定也很重要。
lsq
o
li
（fu
，X0）：最小二乘拟合函数
fr