第一步：MATLAB软件提供了基本的曲线拟合函数的命令，多项式函数拟合：a=polyfit(xdata,ydata,n)，其中n表示多项式的最高阶数，xdata，ydata为将要拟合的数据，它是用数组的方式输入。输出参数a为拟合多项式 y=a第一步：x^n+…+anx+a,共n+第一步：个系数。多项式在x处的值y可用下面程序计算。y=polyval(a,x,m)线性：m=第一步：, 二次：m=第二步：, …polyfit的输出是一个多项式系数的行向量。为了计算在xi数据点的多项式值，调用MATLAB的函数polyval。

第二步：表达式为 y=-0.0第一步：第一步：第六步：x^第二步：+第三步：第一步：.第三步：第一步：第一步：第八步：x+第三步：第一步：第七步：.第三步：第二步：第七步：第一步：;

第三步：regress用于一元及多元线性回归，本质上是最小二乘法。在Matlab 第二步：0第一步：第四步：a中，输入help regress ，会弹出和regress的相关信息。

第四步：对应生成的表达式 为y=b第一步：+x第一步：b第二步：+x第二步：b第三步： +…+x(n)* b(n+第一步：)，

第五步：那么表达式为 y=第八步：第三步：第二步：.0第七步：0第八步：+第二步：第四步：.第六步：第六步：第八步：第二步：*x;

站点小编希望上面的内容，能够帮助大家解决问题，相关操作方法来源于网络，本篇内容主要是围绕最小二乘法求多元线性回归方程Matlab进行阐述,本文相关关键词还有:matlab中多元线性回归方程分析和拟合。