MATLAB如何得到回归公式

yhat=(beta(1)*x(:,2)-x(:,3)/beta(5))./(1+beta(2)*x(:,1)+beta(3)*x(:,2)+beta(4)*x(:,3));这样就可以的,通过

表示(x1-x)(Y1-Y)+(x2-x)(Y2-Y)+(x3-x)(Y3-Y)+……+(xn-x)(Yn-Y)例如n=5则(x1-x)(Y1-Y)+(x2-x)(Y2-Y)+(x3-x)(Y3-Y)

x1=[7.53237.92628.28338.54208.7702]';x2=[117.2117.4117.7118.3118.6]';x3=[2.9503.3005.2706.5257.470]'

首先确定你把拟合曲线图画出来了,然后在figure1上边的选项中按Tools----BasicFitting-----cubic----Showequations----plotresiduals--

检查一下你的矩阵长度是否一致吧!

x=[矩阵数据];[m,n]=size(x);m%输出x有多少行n%输出x有多少列

functiontest()clearall;clc;D=[23.022.031.90.16740.0280;23.522.532.200.16900.0286;24.023.032.50.17060

fun1=@(beta,x)(exp((x*beta(1)-beta(2)*x).^beta(3))/8+(7*exp((-beta(2)*x).^beta(3)))/8+1)beta=nlinfit

多元线性回归用regress命令；一元多项式回归用polyfit命令；多元二项式回归用rstool命令.

你x10个值,y11个值,而且591.0也有误吧r=corrcoef(x,y);%r就是相关系数R=r^2;k=polyfit(x,y,1);scatter(x,y,'.');holdonx1=200

在MATLAB里,多项式由一个系数的行向量表示,其系数是按降序排列.所以：A=-0.2444B=0.6064

用相关系数判别.当然不设置为0准确,不设置为0时按最小二乘法计算,设置0了就附加了个强制条件,不是最小了,相关性就差了,有时甚至差很多

当x是一个数的时候这样输入是没有问题的,但是如果x是一个数组就不成了.应该是(2*x+3).*exp(x)

y=[320320160710320320320160710320];x1=[2.31.71.31.71.71.611.71.71.7];x2=[2.31.71.71.61.71.711.71.71.

y=[320320160710320320320160710320];x1=[2.31.71.31.71.71.611.71.71.7];x2=[2.31.71.71.61.71.711.71.71.

实验数据是不容修改的,不能看那个数据不合理就随意更改[增大或减小],但做了大量的重复实验后,对于实验中所出现的个别明显异常数据[结果]可以进行剔除[但原始资料不能变],这样就可以提高分析结果的精度.这

你好可以用lsqnonlin进行拟合用法x=lsqnonlin(@fun,x0,lb,ub,options,P1,…)其中fun是名为fun.m的m文件,里面有你想要进行拟合的函数形如function

用matlab,令x=[x1,x2]即求解x*a=y中a的值a=pinv(x)*y；%pinv求矩阵的伪逆a=0.1097-0.0256也就是说x1×0.1097+x2×（-0.0256）=y

改了4处,程序通了,见程序批注.function[x,y]=DataRegress1xx=[2.382.442.702.983.323.122.142.863.503.202.782.702.362.

y=[6460716154778193935176967793955446899]';x1=[0.40.43.10.64.71.79.410.111.612.610.923.123.121.623.1