首先申明本人是土木专业的，因为有需要要用到 matlab 中的拟合用途，今天好好学习了一些关于 matlab 多变量拟合的东西，从网上下载了一些程序，也运行了一下，就举一些实例，附上源程序吧，主要是两个自变量和三个自变量，一个因变量的拟合。让自己也更清楚，以后用起来也方便。 原理就是给出一个自变量和因变量的矩阵，然后给出一个自己认为的带有未知数的拟合方程，然后付一组初始值，根据 matlab 返回的初始值和误差在附一组初始值，知道最后的相关系数较大，也就是误差较小时，就能拟合的比较好，写出拟合后的方程了。 1.广义线性回归拟合和源码(两个自变量，一个因变量，非线性拟合） 【例】这里有这样一组数据，涉及三个变量：p，t 和 z，要拟合出 z = f(p,t) 的关系式（非线性的）。 z p 0.8 1 1.2 t 60 9.73875 20.75 36.5987 120 13.5725 29.6325 50.93875 180 18.97875 36.59875 80.13875 240 2075125 38.22125 90.925 300 22.055 44.58 104.7725 为了使得回归分析的结果更加直观，我调用 regstats 函数，编写了一个更为实用的函数：reglm，代码如下（代码中有调用方法和例子）。 首先写一个 M 文件： function stats = reglm(y,X,model,varnames) % 多重线性回归分析或广义线性回归分析 % % reglm(y,X)，产生线性回归分析的方差分析表和参数估计结果，并以表格形式显示在屏幕上. 参 % 数 X 是自变量观测值矩阵，它是 n 行 p 列的矩阵. y 是因变量观测值向量，它是 n 行1 列的列向量. % % stats = reglm(y,X)，还返回一个包括了回归分析的所有诊断统计量的结构体变量stats. % % stats = reglm(y,X,model)，用可选的 model 参数来控制回归模型的类型. model是一个字符串， % 其可用的字符串如下 % 'linear' 带有常数项的线性模型（默认情况） % 'interaction' 带有常数项、线性项和交叉项的模型 % 'quadratic' 带有常数项、线性项、交叉项和平方项的模型 % 'purequadratic' 带有常数项、线性项和平方项的模型 % % stats = reglm(y,X,model,varnames)，用可选的 varnames 参数指定变量标签. varnames % 可以是字符矩阵或字符串元胞数组，它的每行的字符或每个元胞的字符串是一个变量的标签，它的行 % 数或元胞数应与 X 的列数相同. 默认情况下，用 X1,X2,…作为变量标签. % % 例: % x = [215 250 180 250 1...
VIP
