教程

参数拟合

查找曲线拟合应用程序的所有库模型类型适合功能，设置适合选项和优化起点。

最小二乘拟合

曲线拟合工具箱中的最小二乘拟合，包括误差分布、线性、加权、稳健和非线性最小二乘。

多项式模型

拟合多项式在曲线拟合应用程序或与适合函数。

指数模型

在曲线拟合应用程序中拟合指数模型或与适合函数。

傅里叶级数

在曲线拟合应用程序中拟合傅里叶级数模型或与适合函数。

高斯模型

在曲线拟合应用程序中拟合高斯模型或与适合函数。

幂级数

在曲线拟合应用程序中拟合幂级数模型或与适合函数。

理性的多项式

在曲线拟合应用程序中拟合有理多项式模型或与适合函数。

正弦模型的和

在曲线拟合应用程序中拟合正弦模型的和或用适合函数。

威布尔分布

在曲线拟合应用程序中拟合威布尔分布模型或与适合函数。

自定义模型

如果工具箱库不包含所需的参数方程，您可以创建自己的自定义方程。

工具的工作流程

交互式曲线和曲面拟合

使用曲线拟合app将曲线和曲面拟合到数据:选择数据，选择模型类型，并保存会话。

数据选择

在曲线拟合app中选择拟合曲线和曲面的数据，识别兼容的尺寸数据并排除数据问题。

在曲线拟合应用程序比较拟合

通过创建多个适合度来搜索最佳适合度，比较图形和数字结果(包括适合系数和适合度统计数据)，并分析工作空间中的最佳适合度。

Franke数据的表面拟合

使用示例数据在曲线拟合应用程序中创建和比较曲面拟合。

生物制药数据的表面拟合

曲线拟合工具箱软件为麻醉药物相互作用研究提供了一些实例数据。

自定义非线性ENSO数据分析

这个例子使用几个自定义非线性方程来拟合ENSO数据。

基于指数背景的高斯拟合

这个例子用一般的(非线性)自定义模型在衰减的指数背景上拟合了两个低分辨率的高斯峰。

程序化的工作流程

曲线曲面拟合

曲线拟合工具箱中的曲线和曲面拟合程序工作流。

多项式曲线拟合

这个示例展示了如何使用曲线拟合工具箱™将多项式拟合到六度以下的一些普查数据。

自定义非线性普查拟合

这个示例展示了如何将自定义方程拟合到普查数据，指定边界、系数和与问题相关的参数。

生物制药数据的自定义方程表面拟合

这个例子展示了如何使用曲线拟合工具箱™来拟合一些麻醉数据的响应面来分析药物相互作用的影响。