Matlab 曲线拟合

很多时候我们需要提升数据精度，或者测出一些输入——输出的数据，需给出其对应关系，则我们可以使用 Matlab 曲线拟合工具，很轻松的得出其关系，工具如果用对了，真的会大大解放双手，如下是使用方法：

一、数据准备

首先将需要作曲线拟合的数据放置到一个excel文档中，分列放置，输入一列、输出一列，也可以将输入输出分文本文件放置。

二、将数据导入Matlab

选择工作路径——>导入数据——>选择Excel文件——>导入数据，如下图所示，需要注意的是输入数据与输出数据需要一一对应。

三、打开 Matlab 曲线拟合工具

选择APP，点击曲线拟合器，这里也可以看到，Matlab中有许多工具，如【PID调节器、波形发生器、信号分线器】等

如果前面使用的是文本文件，则可以这样导入数据打开曲线拟合工具：

3.1选择数据

将需要作曲线拟合的数据加载到曲线拟合工具中

3.2调参

可以选择不同的拟合类型，如【多项式、指数、对数】等，最常用的是多项式，然后调整多项式的次数，直到得到满意的拟合曲线

最后得到符合要求的曲线拟合关系式！

拟合的情况可以根据拟合状态表中各参数得知，其中需要注意的是如下几个参数：

1、SSE(和方差、误差平方和)：表示拟合数据与原始数据对应点误差的平方和，数值越接近 0，说明模型选择和拟合更好，数据预测也越成功。
2、MSE(均方差、方差)：SSE 除以数据点数（减去拟合参数个数），反映误差的平均水平，数值越小越好。

3、RMSE(均方根误差、标准差)：MSE 的平方根，单位与 Y 数据一致，更易直观理解误差大小，例如 Y 为电压（单位 V），RMSE=0.5V 表示拟合预测值与实际值的平均偏差约 0.5V。

4、R 方（决定系数）：取值范围为 0-1，越接近 1 说明拟合模型能解释的 Y 数据变异比例越高，通常 R 方＞0.8 可认为拟合效果较好。

四、结果导出与保存：按需选择，方便复用

点击 曲线拟合器窗口上方的导出，可选择 导出图像（保存为 PNG、JPG 等格式，用于报告展示）或 导出拟合函数（生成 Matlab 函数文件，可用于后续数据预测）。

保存拟合设置：点击窗口左上角 “保存”，选择 “保存拟合会话”，将当前的拟合类型、参数、数据关联等设置保存为 “*.sfit” 文件，下次打开可直接复用，无需重新设置！