xdata=[1500 2000 2500 3000 3500 4000 4500 5000 5500];
ydata=[78.59 83.04 84.11 86.63 87.61 84.87 84.67 82.50 80.54];
x0=[1 2 1 1];
x=lsqcurvefit(@myfun,x0,xdata,ydata);
plot(xdata,ydata,'*');
holdon;
a=polyfit(xdata,ydata,3);
forc=1500:1:5500;
b=polyval(a,c);
plot(c,b,'k');
holdon;
end;

运行结果
a =

0.0000  -0.0000   0.0214  55.7953
x =

0.0694  -0.0000   0.0000   5.8728
x有可能是错误，因为可能发生奇异。
polyfit函数拟合出来的就是一个多项式，而多项式的系数都是用最小二乘法得出的。
可以用help polyfit来看帮助，会发现有这么一句话：
P = POLYFIT(X,Y,N) finds the coefficients of a polynomial P(X) of
degree N that fits the data Y best in a least-squares sense.
既然Polyfit是用最小二乘法拟合多项式曲线，按说应该两个函数求出的系数矩阵相同，可是总是会存在偏差。
当数据点较多时，如何确定拟合多项式的次数，常用方法是逐次增加拟合多项式的次数，并计算平方误差，以寻求效果较好的拟合多项式。



此日志来自QQ邮箱！方便快捷写Qzone的新方式，详情请进>>