MATLAB中polyfit()函数：多项式曲线拟合（线性拟合/线性回归）

在MATLAB中，polyfit()函数用于进行多项式曲线拟合，也称为线性拟合或线性回归。该函数可以用于拟合数据点到一个多项式模型，并返回多项式的系数。
一、基本语法

p = polyfit(x, y, n)

其中：

• x和y是数据点的x和y坐标数组。
• n是多项式的阶数，即你想要拟合的多项式的次数。例如，n=1表示线性拟合，n=2表示二次拟合，以此类推。
• p是一个数组，包含了多项式的系数。对于一个n阶多项式，p(1)是常数项，p(2)是一次项的系数，以此类推，p(n+1)是最高次项的系数。

  % 示例：线性拟合
  x = [1 2 3 4 5];
  y = [2.2 2.8 3.6 4.5 5.1];
  p = polyfit(x, y, 1);
  disp(p); % 输出: [1.8567] [0.3433]

  二、绘制拟合曲线
  使用polyfit()函数进行多项式拟合后，可以使用polyval()函数和plot()函数来绘制拟合曲线。

  % 绘制原始数据点
  scatter(x, y);
  hold on;
  % 绘制拟合曲线
  yfit = polyval(p, x);
  plot(x, yfit, 'r-');
  hold off;

  三、注意事项
• polyfit()函数默认使用最小二乘法进行拟合。如果数据存在异常值或离群点，可能会影响拟合结果。在这种情况下，可以考虑使用其他方法处理离群点或异常值。
• 在选择多项式的阶数时，应根据数据的特性进行选择。阶数过高可能导致过拟合，阶数过低可能导致欠拟合。可以通过交叉验证等方法选择最优的阶数。
• polyfit()函数还可以用于非线性拟合，通过指定不同的多项式类型或自定义拟合函数。具体使用方法可以参考MATLAB官方文档。
  总结：polyfit()函数是MATLAB中用于多项式曲线拟合的常用函数，可以实现线性拟合或线性回归。通过合理选择多项式的阶数和使用交叉验证等方法，可以更好地应用于数据分析和建模。