大量数据拟合求方程

我试用matlab拟合了一下,但是如果要达到比较理想的拟合效果,x的最高幂次方要达到14. 所以我求出来的系数可能不是很准确. 从0次幂到14次幂的系数分为如下： 10^

使用polyfit函数就可以拟合曲线了比如给出的坐标分别是x和y,则有P=polyfit(x,y,3)这样得到的P就是多项式的系数.这里的3指的是三次多项式!祝你学习愉快!再问：我想把曲线变得更平滑一

在SPSS的曲线回归那里可以操作,也可以通过非线性回归来完成.

用s函数的变型.A=[...199230199331199432199534199642199748199855199958200062200163200265200365200466];x=A(:,

clc,clearallx=[-20.0000 -15.0000 -12.5000 -10.0000 -7.5000 -5.0000 -2.

不知道你是要做一元的还是多元的回归分析呢?可以拟合出方程的,是看你选择什么模型.先做回归分析吧,在分析-回归分析-线性-打开对话框以后选择你是以哪一个做变量,最后结果会出来残差图和散点图.我看你的数据

推荐这个模型比较好.GeneralmodelExp2:f(x)=a*exp(b*x)+c*exp(d*x)Coefficients(with95%confidencebounds):a=2524(22

注意：U3=a*U1+(1-a)*U2=a*U1+U2-a*U2=U2+a*(U1-U2)U3-U2=a*(U1-U2)代码：n=2949;U1=rand(n,1);%输入你的数据U2=rand(n,

这个离散数据理论上是没办法求得解析式的,只能用各种常用函数去拟合,你应该先做出它的图形,看看大致什么样的函数分布比较贴进,然后用mean,std等函数求出其均值,平方差等,然后看看求得的拟合曲线中,哪

这不用什么软件,这其实就是采用最小二乘法,自己知道了原理,完全可以自己编个程序.原理就是,求和[y-f(t)]^2的最小值,根据最小值条件可以计算出kl,k2.f(t)就是按照每组实验数据代入y的计算

超了,查查为什么误差这么大,肯定有什么地方做的不对

data={{14.80,310},{18.74,700},{22.86,1160},{26.26,1800},{29.50,2680},{31.15,3200}};FindFit[data,a/(1

有关微分方程参数拟合的技术,已经有相关的讨论：1、基于matlab四种方法解决变参量常微分方程参数识别（回归）2、基于MATLAB和Forcal进行微分方程参数拟合3、一个典型隐式方程（通用有效介质方

clearx=[19781979198019811982198319841985198619871988198919901991199219931994199519961997199819992000

%你没说神经网络类型,就使用最简单的前向反馈网络拟合.t=[03.94.17.38.413.114.816.417.71919.720.321.224.526.327.828.92929.831.13

确定啥啊?你自己还是看一下曲线拟合的那个几个函数吧!很简单的!

x1=[.];x2=[.];%x1和x2均为数据矩阵x=[ones(length(x1),1);x1';x2'];y=[.];[b,bint,r,rint,stats]=regress(y,x);%b

这,这是二值函数啊,手动给出一个解吧：y=-2*sgn(x-31);其中sgn是符号函数如果要用连续函数拟合的话,可以用sigmod函数：y=-2/(exp(-x+31.5)+1)+1;

可以用的,而且冗余值越多对于最小二乘拟合越精确（前提是没有坏值）比方说我一个x=1有5个y2,3,4,5,6则把x写为x=[11111]y=[23456]就可以了.程序楼上两位已经给了,借用下.p=p

是你在{0.392,0.025}{0.4015,0.03}这两项之间缺少了一个逗号,所以mathematica把它们乘起来作为一项了,所以作出来的散点图会看到有一个点的横坐标特别小,在0.1左右的地方