扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
主（4个自变量和1个因变量）多元函数拟合的matlab程序。它可以用非线性回归函数（或lsqsurvefit函数）来实现。代码：代码：代码：代码：代码：代码：代码：代码：代码：代码：代码：X1=[0.550000.650.650.650.650.650.650.650.650.6500.5500.5500.5500.5500.5500.5500.55000.5500.650.650.650.650.650.650.650.650.650.650.650.65000.550.550.5500.550.550.5500.550.550.550.550.550.550.550.550.550.550.550.550.550.5500.5500.550.550.550.550.550.5500.550.550.550.5500.550.550.5500.550.550.5500.550.5500.55001.61.61.61.61.61.61.61.61.6111.41.41.41.41.41.41x（：，1）a（3）*x（：，2）a（4）*x（：，3）a（5）*x（：，4））[a，R，J]=nlinfit（x，y，func，A0）AY1=func（a，x）[yyy1]运行上述代码，得到A1=-1.52778571412534；A2=11.4823809522886；A3=-0.359047619087202；A4=0.004411904761147387；A5=-0.23363095238449多元函数表达式，y=A1A2*X1A3*x2A4*X3A5*x4nlinfit与lsq曲线无明显差异。前者用回归法求解，后者用最小二乘法求解。它们都可以用于非线性函数和线性函数。
该模型拟合的预测值与实际值非常接近，与以往的结果不可能完全一致。模型拟合主要取决于预测值与实际值之间的误差。误差越小，精度越高，但并不意味着必须与实际结果相等。
因此，您的配件组合非常好，这意味着该型号是可以接受的。至于你现在拟合的方程中的几个系数，非常小，我建议你尽量删除哪些系数，然后只保留几个估计值大的参数，重新拟合的效果可能非常接近现在的效果。在这种情况下，一般建议删除那些系数非常小的，这样模型就会非常简单明了
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
微信二维码
移动版官网