浅谈matlab多变量拟合

《浅谈matlab多变量拟合》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、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

2、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                       1.2t                 60              9.73875                20.75                  36.5987          120            13.5725                  29.6325  

3、             50.93875180            18.97875                36.59875              80.13875240             2075125                38.22125               90.925300            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：re

4、glm，代码如下（代码中有调用方法和例子）。首先写一个M文件：functionstats=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

5、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

6、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=[215250180250180215180215250215215%      136.5136.5136.5138.5139.5138.5140.5140.5140.5138.5138.5]';%  y=[6.27.54.85.14.64.62.83.14.34.94.1]';%  reglm(y,x,'quadratic')%%  -----------------

7、-----------------方差分析表----------------------------------%  方差来源   自由度         平方和          均方            F值         p值%  回归      5.0000       15.0277        3.0055         7.6122     0.0219%  残差      5.0000        1.9742        0.3948%  总计     10.0000       17.0018%%        

8、均方根误差(RootMSE)    0.6284            判定系数(R-Square)   0.8839%  因变量均值(Depende