在数学建模中，数据拟合是非常基础的一个操作，在人文社科研究中，所做的实证工作大部分是要得到两个或多个变量之间的变动关系，包括方向和程度。因此，学习数据拟合是简单的，带来的回报却是丰厚的。
数据关系可以分为线性的和非线性的，操作方法分为直接借助matlab自带的curve fitting tool和自己编写程序，但无论是哪一种方法，我都建议先绘制散点图看一下数据分布情况，给数据类型下一个初步的判断。
matlab自带的curve fitting tool非常便捷，我使用的2010年版功能没有2016年版本的强大，但胜在体积小，不会太占内存。如果对这个工具箱是刚需的话，还是建议安装2016版本的。因此，下面有些图片是我截图2010的，有些是网上copy下来2016的。操作方式都是输入变量矩阵之后，输入cftool回车，调出工具箱页面。
次に、データにxとyを設定し、フィッティングに進んで適切な関数を見つけます。私のは明らかに線形回帰なので、多項式を選択してから画像をプロットしました。
インターネット上の2016バージョンのmatlabのツールボックスページにも結果などのオプションがあることがわかりました。インターフェイスは非常に明確です。写真を盗んでここに配置してください。
ツールボックスには他にも多くのモードがあり、それらはすべてフィッティングから選択できるので、ゆっくりと開発していきましょう。
個人的にはコードを入力するのが好きなので、表現方法がわかれば関数の名前は気になりません。一般的に使用される3つの関数は、polyfit、fittype、およびinlineです。実際、コーディングは似ています。
ポリフィットは線形最小二乗フィッティングに適しており、適用範囲は比較的狭いです。例を挙げましょう。
>> x = [2,3,5,7,9];
y = [4,6,8,10,12];
a = polyfit（x、y、2）
a =
-0.0436 1.5741 1.2799
y = polyval（a、x）
y =
4.2538 5.6098 8.0603 10.1618 11.9144
第三条里面的2是指x^2，同理你也可以写3进行三阶拟合。2阶拟合的结果是y=a+bx+cx^2，三阶同理。
哎我的字怎么变小了？
fittype和inline的使用范围更加广泛，写法大同小异，放两个例子：
x = [1; 1.5; 2; 2.5; 3]; y = [0.9; 1.7; 2.2; 2.6; 3];
p = fittype（ 'poly1'）
f = fit（x、y、p）
p =
Linear model Poly1:
p(p1,p2,x) = p1*x + p2
f =
Linear model Poly1:
f(x) = p1*x + p2
Coefficients (with 95% confidence bounds):
p1 = 1.02 (0.7192, 1.321)
p2 = 0.04 (-0.5981, 0.6781)
下面是inline的
x=[3.2,3.6,3.8,4,4.2,4.5,4.8,5,5.3,5.4,5.6,5.8,6,6.2,6.4,6.6,6.9,7.1]';
y = [0.38,0.66,1,0.77,0.5,0.33,0.66,0.83,0.33,1,0.33,0.5,0.33,0.71,0.71,1,0.87,0.83] ';
y = [0.38,0.66,1,0.77,0.5,0.33,0.66,0.83,0.33,1,0.33,0.5,0.33,0.71,0.71,1,0.87,0.83] ';
myfunc = inline（ '1 ./（beta（1）+ beta（2）。* exp（-x））'、 'beta'、 'x'）;
beta0 = [0.2,0.2] ';
beta = nlinfit（x、y、myfunc、beta0）
ベータ=
1.4591
8.0539
本人是初学者，欢迎指教批评，互相学习，谢谢