matlab自定义函数拟合？matlab有理函数拟合
matlab中的非线性拟合函数nonlinfit具有强大的用自己定义的一个任意函数来拟合数据的功能。最常见的调用形式为BETA=nlinfit(X,Y,MODELFUN,BETA0)BETA为待拟合的参数，X为自变量（矩阵），Y为应变量（向量），MODELFUN为自定义的拟合函数（functionhandle型数据），BETA0为BETA的初始值（向量）。X可以是矩阵，当有多列时，每一列均为一个自变量。MODELFUN有特定的格式。MODELFUN接受2个参数，第一个是待拟合的参数矢量，第二个是自变量矩阵。模板函数定义案例：模型：y=ax^2+bx+c定义模型函数代码：f_model=@(b,x)b(1)*x.^2+b(2)*x+b(3);%定义时要注意x是一个矢量BETA0是迭代算法的参数初始值，当模型函数复杂时，拟合的好坏会受初始值的影响。扩展：matlab还提供了配套的函数nlparci与nlpredci，这两个函数可以求出参数与预测值的拟合误差。
matlab怎样进行残差分析？
两种方法： 1、b=regress(y,X);根据输入参数y与X,用最小二乘法求线性回归系数b。 2、[b,bint,r,rint,stats]=regress(y,X)：得到参数b的95%置信区间bint,残差r以及残差95%置信区间rint，stats有三个分量的向量，分别是决定系数R平方、F值以及回归的p值。 具体步骤： 如下图所示，一组数据共有50个变量，需要对此数据做一元线性回归分析y=b1+b2*x，若只想得出线性回归模型，而不做其他分析只需调用b=regress(y,X);程序代码如下： 2.由回归结果得b=[44.2815,0.4199],即回归模型可以写为y=44.2815+0.4199*x,模型结果如图所示： 3.若是想通过一些指标来验证模型的优劣，则需要调用[b,bint,r,rint,stats]=regress(y,X)；返回更为复杂的数据，用来分析模型。则程序代码及结果，如图： 4.然后使用rcoplot(r,rint);做残差分析图，以及画出预测及回归线图，结果如图所示。从图中可以看出回归方程的拟合程度，还可以从stats中R平方来说明其拟合优劣，R平方越大拟合程度越高。
matlab曲面拟合和插值分析
1、根据X、Y、Z数据，用plot3（X，Y，Z）绘出其散点图
2、根据其散点图，判断空间函数曲线符合什么类型的空间函数曲线
3、然后自定义空间函数，func=@(a,x) “空间函数表达式 “，这里x为向量，x=[X ,Y]，a是函数的系数，a=[a1，a2，a3，。。。]
4、用matlab的拟合函数（如nlinfit，lsqcurvefit等）求出其拟合系数 a
5、将X ,Y回带自定义空间函数，求出拟合后的z值，z=func(a,x)
6、计算拟合误差，err=Z-z；或计算决定系数R²
7、判断err是否小于你认可的范围，R²是否接近1。
8、如都满足，则认为其拟合结果是合情合理的。
