matlab怎么用散点图拟合曲面

非性线拟合一般是根据数据产生的特点来的（就是说数据产生符合什么分布函数）对你这样的应用,我个人感觉使用线性拟合简单易行：如下给定数据的拟合曲线：x=[0.5,1.0,1.5,2.0,2.5,3.0];

x=y=f=@(c,x)1./(c(1)*x+c(2));%拟合方程c0=[15];%系数初值t=lsqcurvefit(f,c0,x,y)%求得系数再问：��������

t=[0.25,0.5,0.75,1,1.5,2,2.5,3,3.5,4,4.5,5,6,7,8,9,10,11,12,13,14,15,16];y=[30,68,75,82,82,77,68,68,

F=@(p,x)p(1)*x(:,1).^2+p(2)*x(:,1).*x(:,2)+p(3)*x(:,2).^2+p(4);%离散数据点x=[6.324606.93791.13727.08751.4

x1=[1.51.5222.52.52.52.53333];x2=[0.050.10.150.20.050.10.150.20.050.10.150.2];y=[10.990.980.970.980.

x=[-2.573\x09-2.159\x09-1.741\x09-1.403\x09-1.029\x09-0.699];y=[0.640\x090.844\x091.081\x091.227\x09

你的函数就是z=ax+by+c,然后用最小二乘法确定系数abc即可

%nlinfit非线性参数拟合clc;clear;x=[1,2,3,4,5,6,7,8,9,10];y=[7,3,6,8,2,4,10,16,2,8];myfunc=inline('beta(1)*s

n=3;p=polyfit(x,y,n);再问：额。。我说的是三个未知数的多项式，不是三次多项式再答：p=poly3fit(x,y,z,n);再问：可以给具体的程序操作么

设拟合的2元2次方程为f（x,y）=b1*x²+b2*x*y+b3*y²+b4*x+b5*y+b6用Matlab的regress（）函数拟合,也可以用自定义函数拟合.regress

程序是A=[0000004500084005000482610055001444340060003557600065091536940007002077241000007511143095691000

plot可以画多条曲线在一个图上主要把拟合的数据也算出来,一起画就好了

x=[1978:1:2010]';y=[56663274575576978998511101313142817821920215022922601314943385145580962416854765

clear;clc F=@(p,x)p(1)*exp((x(:,1)-x(:,2)*p(4))/0.026/p(6))+p(2)*exp((x(:,1)-x(:,2)*p(4))/0.026

function[a,resnorm]=sphere_fit(a0,data)%对数据进行球拟合,a0是初始的球心和半径%data是x、y、z的数据矩阵,第一行是x,第二行是y,第三行是z%a是拟合后

在拟合函数过程中,不管用nlinfit（）函数还是用lsqcurvefit（）函数去拟合非线性函数,都要先确定一组初始值,初始值选择好与坏,直接影响其拟合精度（即相关系数）.但初始值选择实际是有一定的

好像是比较多的人的吧

figure文件可以打开编辑,最右侧showplottoolsandDockfigure

当然可以按你所说的求解,关键是看你建立的回归模型的意义.还有,从回归原理看,一般认为回归方程要有常数项,这样才能保证回归的有效性.比如,如果没有ones(4,1)这一列,matlab会提示：R-squ

1、简单的函数拟合,初值可以任意给定2、如果待拟合函数较复杂,需要根据经验或其他条件尽可能的给出较接近真实值的初值3、别无他法