利用MATLAB进行数据阐发计较经常需要用到进行多项式求解，和进行曲线拟合一些特征方程曲线，常用方式有最小二乘法和统计回归法。下面分享给大师利用MATLAB进行多项式求解和曲线拟合的方式、法式代码和步调，但愿可以或许帮忙大师。
工具/原料
- 电脑
- MATLAB
- MATLAB多项式求解和曲线拟合
MATLAB多项式求解
- 1
第一步：我们首先进修MATLAB多项式求解，有两种求解方式，一种是操纵polyval 函数求解单个多项式，一种是操纵polyvalm 函数求解多个多项式。二者的求解代码如下：
p = [3 2 0 -1 4];
polyval(p,4)
y = [2 3 0 -6 7];
x = [1 3 -3 2; 1 -3 2 1; 3 1 0 1; 5 -2 3 6];
polyvalm(y, x)
我们将其写入到MATLAB法式中，如下图所示。
- 2
第二步：我们运行上述MATLAB求解多项式法式代码，得出的运行成果为：
ans =
896
ans =
1422 53 167 1766
894 112 94 1114
1362 91 187 1708
5394 313 625 6838
如下图所示。
MATLAB多项式曲线拟合
- 1
第一步：我们对多项式进行曲线拟合可以利用polyfit 函数，该函数可以或许很好地进行曲线拟合，用法MATLAB法式代码为：
p = polyfit(x,y,n)
我们可以输入到MATLAB中按F1查看该函数更多信息。
- 2
第二步：知道了曲线拟合polyfit 函数的用法后，我们编写法式进行曲线拟合，若是不需要输出图形则利用如下法式代码：
x = [1 2 3 4 5 6];
y = [5.5 43.1 128 290.7 498.4 978.67]; %data
p = polyfit(x,y,4) %get the polynomial
我们将其写入到MATLAB法式中，如下图所示。
- 3
第三步：我们再运行上面的拟合法式代码，可以得出的拟合方程式的系数为：
p =
4.1056 -47.9607 222.2598 -362.7453 191.1250
如下图所示。
- 4
第四步：若是我们需要直不雅的显示曲线拟合结果，画图是少不了了，我们在上述代码的后面加上如下代码：
% Compute the values of the polyfit estimate over a finer range,
% and plot the estimate over the real data values for comparison:
x2 = 1:.1:6;
y2 = polyval(p,x2);
plot(x,y,'o',x2,y2)
grid on
如下图所示。
- 5
第五步：我们再次运行法式，可以得出MATLAB多项式曲线拟合的图形如下图所示，我们可以看到该曲线拟合结果是很好的。
- 6
第六步：完整法式代码如下：
x = [1 2 3 4 5 6]; y = [5.5 43.1 128 290.7 498.4 978.67]; %data
p = polyfit(x,y,4) %get the polynomial
% Compute the values of the polyfit estimate over a finer range,
% and plot the estimate over the real data values for comparison:
x2 = 1:.1:6;
y2 = polyval(p,x2);
plot(x,y,'o',x2,y2)
grid on
注重事项
- 上面是利用MATLAB进行多项式求解和曲线拟合的方式、法式代码和步调，不足之处望以点窜斧正。
- 上面是利用polyfit 函数进行多项式曲线拟合，MATLAB还有其他曲线拟合的函数，我们按照现实环境进行选择和利用，方式近似。
