根据xyz方程拟合三维曲线

X=[x.*x;y.*y]'X=829.555278.8899815.502283.3021809.914785.1006784.952393.4509779.470695.3552774.00809

代码见附图.

要看是什么曲线了啊,系数都是会给你看到的我替别人做这类的数据分析蛮多的再问：嗯，就是一个很简单的散点图，用线性拟合出直线，但是SPSS17.0版本不显示拟合直线的方程，而22.0版本就显示方程，不知道

sftool工具箱再问：我没接触过matlab,能不能说详细点呢

分析－＞回归－＞曲线估计因变量　选　专利数自变量　选　时间模型　选　三次勾选　显示ANOVA表格确定.ModelSummarya\x09\x09\x09R　　　RSquare　　AdjustedRSq

可以用cftool,自己选用什么函数拟合,clearA=xlsread('1.xls');[M,N]=size(A);x=1:M;y=1:N;cftool(x,y,A)

x=[1997199819992000200120022003200420052006200720082009];y=[5156513865267434847596881070311384123431

如上所述,采用polyfit来拟合,二次多项式polyfit(x,y,2)x=[0.110.130.190.210.270.370.530.590.710.790.891.07];y=[3868-10

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

plot3(X1,Y1,Z1);例如plot3(sin(t),cos(t),t) 再问：使用plot3（）指令时，为什么出现errorusing*的程序错误？x=138*cos（t）再问：x

数据已经有了,把公式发出来吧,自定义的拟合公式在analysis--fit--nonlinearcurvefit---opendialogue,在打开的选项卡中新建自定义函数,然后就可以使用新建的自定

好像是最小二乘拟合：最小二乘大约是1795年高斯在他那星体运动轨道预报工作中提出的[1].后来,最小二乘法就成了估计理论的奠基石.由于最小二乘法结构简单,编制程序也不困难,所以它颇受人们重视,应用相当

x=[27560000,55120000,82680000,88192000,110240000,137800000]y=[1743170000,1894750000,2053220000,20670

这样好些,比多项式精度高许多.functionhhx=[123456];y=[214575949898];b0=[111111];a=nlinfit(x,y,@mymodel,b0)xx=min(x)

fprintf('y=%f*x+%f',p(1),p(2));再问：Thankyou。能用，采纳。非常感谢。

这些插值方法最后一般得到的是分段的多项式函数,有pp或b两种保存形式.举个例子clear;clc;x=1:4;y=sin(x);p=spline(x,y)运行后可以看到结构体p如下p=form:'pp

Matlab可以用regress但推荐用1stOpt软件,可以自动搜索最合适的曲线方程

最简单的是直接用拟合工具箱,如果具体知道它是怎么得到方程的还是去网上自己搜搜,应该有

(a1,b1,c1),(a2,b2,c2),(a3,b3,c3)这是模式(2,0,0)(0,2,2)(0,1,0)这是实例空间里有这三个点；设方程ax+by+cz+d=0;//这个方程就是平面方程把三

有很多方法可以做到的,如果你是初学matlab可以试试matlab的三维拟合工具箱你在命令行键入sftool,就可以调出这个工具箱.这个是比较简单实用的一个.除了这个以外,多维度的可以用lsqnonl