Matlab曲线拟合工具箱CFTOOL实例解析
matlab拟合工具箱的使用
matlab拟合工具箱使用2011-06-17 12:531.打开CFTOOL工具箱。
在Matlab 6.5以上的环境下，在左下方有一个"Start"按钮，如同Windows的开始菜单，点开它，在目录"Toolboxes"下有一个"Curve Fitting"，点开"Curve Fitting Tool"，出现数据拟合工具界面，基本上所有的数据拟合和回归分析都可以在这里进行。
也可以在命令窗口中直接输入”cftool”，打开工具箱。
2.输入两组向量x，y。
首先在Matlab的命令行输入两个向量，一个向量是你要的x坐标的各个数据，另外一个是你要的y坐标的各个数据。
输入以后假定叫x向量和y向量，可以在workspace里面看见这两个向量，要确保这两个向量的元素数一致，如果不一致的话是不能在工具箱里面进行拟合的。
例如在命令行里输入下列数据:x = [196,186, 137, 136, 122, 122, 71, 71, 70, 33];y=[0.012605,0.013115,0.016866,0.014741,0.022353,0.019278,0.041803,0.0 38026,0.038128,0.088196];3.数据的选取。
打开曲线拟合共工具界面，点击最左边的"Data..."按钮，出现一个Data对话框，在Data Sets页面里，在X Data选项中选取x向量，Y Data 选项中选取y向量，如果两个向量的元素数相同，那么Create data set按钮就激活了，此时点击它，生成一个数据组，显示在下方Data Sets列表框中。
关闭Data对话框。
此时Curve Fitting Tool窗口中显示出这一数据组的散点分布图。
4.曲线拟合(幂函数power)。
点击Fitting...按钮，出现Fitting对话框，Fitting对话框分为两部分，上面为Fit Editor，下面为Table of Fits,有时候窗口界面比较小，Fit Editor 部分会被收起来，只要把Table of Fits上方的横条往下拉就可以看见Fit Editor。
matlab中cftool工具箱参数置信区间
matlab中cftool工具箱参数置信区间
在MATLAB的Curve Fitting Toolbox（CFTOOL）中，参数的置信区间可以通过拟合过程进行设置。
在CFTOOL中，您可以通过以下步骤来设置参数的置信区间：
1.首先，在MATLAB命令窗口中输入cftool并按回车键，打开Curve Fitting Toolbox。
2.在打开的窗口中选择“New fit”，然后选择您要进行拟合的数据类型（例如，散点图数据等）。
3.在拟合窗口中，您可以看到有“Fit Options”按钮。
点击此按钮将打开一个新的窗口。
4.在这个新窗口中，您可以看到有“Confidence Level”选项。
在此选项中，您可以设置您希望的参数置信区间。
例如，如果您希望设置的置信区间为95%，则可以将“Confidence Level”设为0.95。
5.设置完毕后，点击“OK”按钮，然后关闭“Fit Options”窗口。
回到Curve Fitting窗口，然后进行您的曲线拟合。
6.拟合完成后，您可以在结果窗口中查看参数的置信区间。
在结果窗口中，您可以看到有一个“Confidence Interval”选项卡。
在此选项卡中，您可以查看参数的置信区间。
注意：以上步骤可能因MATLAB版本的不同而略有差异。
如果您使用的是较新的MATLAB版本，可能会有一些小的变化。
因此，建议查看MATLAB的官方文档以获取最准确的信息。
cftool拟合对数函数表达式
cftool拟合对数函数表达式
Matlab中拟合对数函数是指用Matlab来拟合数据点集合。
如果点组够多，并且各个点的误差比较小，使用Matlab的curve fitting功能可以很容易地拟合出一个对数函数表达式，而无需了解任何数学原理。
一、Matlab拟合对数函数的实现步骤：
1. 下载并安装Matlab。
2. 打开Matlab，输入“cftool”打开curve fitting工具箱，然后从数据菜单中选择“回归分析->形状类型选择”，在出现的窗口中选择对数函数，点击下一步。
3. 在弹出的窗口中回答“x”和“y”标签，将原始数据代入，点击完成，弹出新窗口，显示拟合曲线。
4. 点击“coefficients”按钮，调出拟合参数窗口，显示参数估计值。
5. 打开命令窗口，输入函数表达式，即将Matlab的cftool拟合的参数估计值代入，便可以得到函数表达式。
二、Matlab拟合对数函数的优点：
1. 运算简便，节省时间，结果准确精确。
2. 计算函数可以快速且容易地由数据得出。
3. 对数函数可以方便地根据不同需求进行修改，使其达到最优状态。
4. 拟合后的函数有较高的预测准确率，可以被应用于模拟和分析工作中。
用MATLAB(高版本) cftool拟合多条曲线
听说你想要用cftool作出这样的东西？楼上有人说用cftool-v1,不过很绝望比较新的版本都完全无法使用这个功能了。
反正我的R2016a不行。
我也是在问遍没有可靠的解法后自己无意间摸索出来的，完全原创，希望对大家有帮助！转载请注明原出处和原作者！这里我们以RLC串联谐振需要在同一个坐标里画出频率特性的XC，XL，Z曲线为例，首先敲出坐标数据如下（请手动无视i数据）：然后运行，转到了cftool界面如下：首先我们拟合xc-f曲线（这是个反函数曲线），然后点：文件——generate code然后你看到了这个：保存一下，然后点运行，这里就有点GAY了，说什么参数不足，但是没事，你鼠标点一下“键入运行代码那一行然后变成了下面这个样子”，再点运行图标。
然后会跳出一个窗口，就是下面这个玩意儿，注意观察的话，你会发现他的曲线颜色和你一般的直接从cftool里点print to figure曲线颜色不一样！我们要的就是这个效果！保留上面这个窗口，回答cftool依次把剩下的xl-f曲线，z-f曲线按照上面的步骤操作，得到三个窗口。
接下来是见证奇迹的时候了！进到每个窗口把属性编辑器打开，像酱紫：然后你看到下面这一幕：没错，刚才的单个独立窗口合并到了一起变成了三个标签！接下来就是把任何两个标签里的曲线复制到余下哪一个，比如我们把figure1，figure2里的曲线都弄到figure3里：选中figure2曲线——右击复制（千万不要用ctrl+c,不信你可以看一下会发生什么。
）——到figure3里右击粘贴（同样的道理，不要Ctrl+v），现在看到你要的了吧！对figure1实行同样的操作，然后就得到了：剩下的就是用属性编辑器编辑成你要的样子了！声明一下，如果直接从cftool里print to figure三次然后再复制粘贴是不行的，应为根本无法实现曲线的复制粘贴，他产生的结果会和上面你用Ctrl+c复制Ctrl+v粘贴产生同样的效果，根本不是我们想要的！重复一遍，我也是在问遍没有可靠的解法后自己无意间摸索出来的，完全原创，完全野路子，希望对大家有帮助！转载请注明原出处和原作者！谢谢！吐槽一下知乎的回答编辑板块渣渣。
MATLAB工具箱之cftool
MATLAB⼯具箱之cftoolSSE -- The sum of squares due to error. This statistic measures the deviation of the responses from the fittedvalues of the responses.A value closer to 0 indicates a better fit.由于误差⽽产⽣的平⽅和。
这个统计量测量响应与响应的适配值之间的偏差。
接近0的值表⽰更好的拟合。
R-square -- The coefficient of multiple determination.This statistic measures how successful the fit is inexplaining the variation of the data.A value closer to 1 indicates a better fit.R-平⽅--多重决定系数，这个统计数据衡量了拟合在解释数据变化⽅⾯的成功程度，接近1的值表⽰更好的拟合。
Adjusted R-square -- The degree of freedom adjusted R-square.A value closer to 1 indicates a better fit. Itgenerally the best indicator of the fit quality when you add additional coefficients to your model.调整后的R-平⽅--⾃由度调整后的R-平⽅。
接近1的值表⽰更好的拟合。
当你在你的模型中添加额外的系数时，它通常是拟合质量的最佳指标。
RMSE -- The root mean squared error. A value closer to 0 indicates a better fit.RMSE-均⽅根误差。
matlab曲线曲面拟合后系数的小数位数读取方法
使用MATLAB的cftool和sftool工具进行曲线曲面拟合时，拟合得到的多项式系数默认为保留4位有效数字（我用的R2010a），有时候这样的精度并不能满足要求，造成拟合的多项式退化，就需要多输出几位小数位数了。
下面，我们通过一个曲面拟合例子，来看具体操作。
（1）sftool工具下的曲面拟合方法1.1 编辑数据如图所示，在EXCEL中录入X,Y,Z的值1.2 导入数据在matlab主界面中，从File—import date-中选择编辑的excel文件，点击next后按下图选择。
确定后，主界面的workspace中应当有三组数据。
1.3 基于sftool工具的曲面拟合通过Start—toolboxes—curve fitting—surface fitting tool进入曲面拟合界面。
在x，y，z的input 中选择数据，选择非线性拟合Polynomial，选好自变量的阶数，点击fit进行拟合。
（也可以选用custom equation来自定义函数拟合）此时，拟合得到的多项式，及其各项系数、相关系数都在左侧的result中给出。
在此例中，由于所得的z值很小，自变量又较大，所以得到的系数带入方程并不能计算出原来的结果，换句话说，所得系数的小数位数不够。
那么如何增加小数位数的显示呢？（2）拟合结果的小数位数显示2.1 预设置在matlab主界面中，依次点击file—preferences--command window和variable editor，在其中的format下拉框中选择long e。
（也就是科学计数法15位）2.2 拟合代码回到sftool界面，点击file—general M-file获取拟合源代码。
复制其中的拟合代码段（选中的那一段，上面的部分为说明，下面的部分为作图，均不需要）。
2.3 将该段代码粘贴到matlab主界面的command window中2.4 回车后，输入fitresult，得到如下结果可以看到，计算得到的系数仍然是4位有效数字，和在sftool工具中得到的一样。
Matlab拟合工具箱CFtool使用指南-推荐下载
matlab拟合工具箱使用1.打开CFTOOL工具箱在Matlab 6.5以上的环境下，在左下方有一个"Start"按钮，如同Windows的开始菜单，点开它，在目录"Toolboxes"下有一个"Curve Fitting"，点开"Curve Fitting Tool"，出现数据拟合工具界面，基本上所有的数据拟合和回归分析都可以在这里进行。
也可以在命令窗口中直接输入"cftool"，打开工具箱。
2.输入两组向量x，y首先在Matlab的命令行输入两个向量，一个向量是你要的x坐标的各个数据，另外一个是你要的y坐标的各个数据。
输入以后假定叫x向量与y向量，可以在workspace里面看见这两个向量，要确保这两个向量的元素数一致，如果不一致的话是不能在工具箱里面进行拟合的。
例如在命令行里输入下列数据:x = [196,186, 137, 136, 122, 122, 71, 71, 70, 33];y = [0.012605; 0.013115; 0.016866; 0.014741; 0.022353;0.019278; 0.041803; 0.038026; 0.038128; 0.088196];3.选取数据打开曲线拟合共工具界面，点击最左边的"Data..."按钮，出现一个Data对话框，在Data Sets页面里，在X Data选项中选取x向量，Y Data选项中选取y向量，如果两个向量的元素数相同，那么Create data set按钮就激活了，此时点击它，生成一个数据组，显示在下方Data Sets列表框中。
关闭Data对话框。
此时Curve Fitting Tool窗口中显示出这一数据组的散点分布图。
4.拟合曲线(幂函数power)。
点击Fitting...按钮，出现Fitting对话框，Fitting对话框分为两部分，上面为Fit Editor，下面为Table of Fits,有时候窗口界面比较小，Fit Editor部分会被收起来，只要把Table of Fits上方的横条往下拉就可以看见Fit Editor。
matlab曲线曲面拟合后系数的小数位数读取方法
使用MATLAB的cftool和sftool工具进行曲线曲面拟合时，拟合得到的多项式系数默认为保留4位有效数字（我用的R2010a），有时候这样的精度并不能满足要求，造成拟合的多项式退化，就需要多输出几位小数位数了。
下面，我们通过一个曲面拟合例子，来看具体操作。
（1）sftool工具下的曲面拟合方法1.1 编辑数据如图所示，在EXCEL中录入X,Y,Z的值1.2 导入数据在matlab主界面中，从File—import date-中选择编辑的excel文件，点击next后按下图选择。
确定后，主界面的workspace中应当有三组数据。
1.3 基于sftool工具的曲面拟合通过Start—toolboxes—curve fitting—surface fitting tool进入曲面拟合界面。
在x，y，z的input 中选择数据，选择非线性拟合Polynomial，选好自变量的阶数，点击fit进行拟合。
（也可以选用custom equation来自定义函数拟合）此时，拟合得到的多项式，及其各项系数、相关系数都在左侧的result中给出。
在此例中，由于所得的z值很小，自变量又较大，所以得到的系数带入方程并不能计算出原来的结果，换句话说，所得系数的小数位数不够。
那么如何增加小数位数的显示呢？（2）拟合结果的小数位数显示2.1 预设置在matlab主界面中，依次点击file—preferences--command window和variable editor，在其中的format下拉框中选择long e。
（也就是科学计数法15位）2.2 拟合代码回到sftool界面，点击file—general M-file获取拟合源代码。
复制其中的拟合代码段（选中的那一段，上面的部分为说明，下面的部分为作图，均不需要）。
2.3 将该段代码粘贴到matlab主界面的command window中2.4 回车后，输入fitresult，得到如下结果可以看到，计算得到的系数仍然是4位有效数字，和在sftool工具中得到的一样。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Matlab曲线拟合工具箱CFTOOL实例解析
(2011-04-14 23:53:11)
转载▼
标签：
分类：Matlab
matlab
向量
曲线拟合
函数
cftool
杂谈
整理于/viewthread.php?tid=43771&sid=mg9z2z
1.打开CFTOOL工具箱。
在Matlab 6.5以上的环境下，在左下方有一个"Start"按钮，如同Windows的开始菜单，点开它，在目录"Toolboxes"下有一个"Curve Fitting"，点开"Curve Fitting Tool"，出现数据拟合工具界面，基本上所有的数据拟合和回归分析都可以在这里进行。
2.输入两组向量x，y。
首先在Matlab的命令行输入两个向量，一个向量是你要的x坐标的各个数据，另外一个是你要的y坐标的各个数据。
输入以后假定叫x向量与y向量，可以在workspace里面看见这两个向量，要确保这两个向量的元素数一致，如果不一致的话是不能在工具箱里面进行拟合的。
例如在命令行里输入下列数据:
x = [196,186, 137, 136, 122, 122, 71, 71, 70, 33];
y = [0.012605; 0.013115; 0.016866; 0.014741; 0.022353; 0.019278; 0.041803;
0.038026; 0.038128; 0.088196];
3.数据的选取。
打开曲线拟合共工具界面，点击最左边的"Data..."按钮，出现一个Data对话框，在Data Sets页面里，在X Data选项中选取x向量，Y Data选项中选取y 向量，如果两个向量的元素数相同，那么Create data set按钮就激活了，此时点击它，生成一个数据组，显示在下方Data Sets列表框中。
关闭Data对话框。
此时Curve Fitting Tool窗口中显示出这一数据组的散点分布图。
4.曲线拟合(幂函数power)。
点击Fitting...按钮，出现Fitting对话框，Fitting对话框分为两部分，上面为Fit Editor，下面为Table of Fits,有时候窗口界面比较小，Fit Editor部分会被收起来，只要把Table of Fits上方的横条往下拉就可以看见Fit Editor。
在Fit Editor里面点击New Fit按钮，此时其下方的各个选框被激活，在Data Set选框中选中刚才建立的x-y数据组，然后在Type of fit选框中选取拟合或回归类型，各个类型的拟合或回归相应的分别是：
Custom Equations 用户自定义函数
Expotential e指数函数
Fourier 傅立叶函数，含有三角函数
Gaussian 正态分布函数，高斯函数
Interpolant 插值函数，含有线性函数，移动平均等类型的拟合
Polynomial 多项式函数
Power 幂函数
Rational 有理函数（不太清楚，没有怎么用过）
Smooth Spline ？？（光滑插值或者光滑拟合，不太清楚）
Sum of sin functions正弦函数类
Weibull 威布尔函数（没用过）
在这个Type of fit选框中选择好合适的类型，并选好合适的函数形式。
于是点击Apply按钮，就开始进行拟合或者回归了。
此时在Curve Fitting Tool窗口上就会出现一个拟合的曲线。
这就是所要的结果。
在上面的例子中，选择sum of sin functions中的第一个函数形式，点击Apply按钮，就可以看见拟合得到的正弦曲线。
5.拟合后的结果信息。
在Fitting对话框中的Results文本框中显示有此次拟合的主要统计信息，主要有
General model of sin1:
....... (函数形式）
Coefficients (with 95% conffidence range) (95%致信区间内的拟合常数）
a1=... ( ... ...) （等号后面是平均值，括号里是范围）
....
Godness of fit: (统计结果）
SSE: ... （方差）
R-squared: ... (决定系数，不知道做什么的）
Adjusted R-squared: ... (校正后的决定系数，如何校正的不得而知）
RMSE: ... (标准差）
上面的例子中经过拟合得到的函数最后为
y=3.133*x^(-1.007)-0.004233
6.拟合分析(Analysis)。
7.图片导出。
另外要说的是，如果想把这个拟合的图像导出的话，在Curve Fitting Tool窗口的File菜单下选Print to Figure，此时弹出一个新的图像窗口，里面是你要导出的图像，在这个figure窗口的File菜单里再选Export，选择好合适的格式，一般是jpeg，选择好路径，点击OK就可以了。
出来的图像可以在Word等编辑环境中使用，就不多说了。
要修改图像的性质，如数据点的大小、颜色等等的，只需要在对象上点右键，就差不多可
以找到了。