MATALB曲线拟合与·线性回归

1.1线性曲线拟合
我们想得到由线性函数描述的一个数集，如果我们考虑的数据以y=f(x)的形式给出，并且其中f(x）满足：
y=mx+b
要求m和b的值，我们可以下使用polyfit(x,y,n)的MATLAB函数，其中n是我们要求出MATLAB的多项式的次数，对于y=mx+b形式的方程，我们把n设为1，因此调用polyfit(x,y,1),polyfit函数采用最小二乘法。
MATLAB语法：[p,S,mu]=(x,y,n)
x:查询点向量
y：查询点位置的拟合值
n：多项式拟合次数
p：最小二乘拟合多项式的·系数
S：误差估计结构体
mu：中心化和放缩值
1.2将多项式与三角函数拟合：
例一：在区间[0,Π]中沿正玄曲线生成十个等间距点，使用polyfit将一个5次多项式与这些点拟合
输入：
x=linspace(0,pi,10) y=sin(x) p=polyfit(x,y,5) 输入：

得出图像：

画出更为精细的·图像
 
1.3将多项式与点集拟合 
步骤：1）生成x点的向量，在某一区间内等

MATALB曲线拟合与·线性回归最先出现在Python成神之路。