1、polyfit 多项式曲线拟合 语法 语法：p = polyfit(x,y,n) 返回次数为 n 的多项式 p(x) 的系数，该阶数是 y 中数据的最佳拟合（基于最小二乘指标）。 语法：[p,S] = polyfit(x,y,n) 还返回一个结构体 S 语法：[p,S,mu] = polyfit(x,y,n) 执行中心化和缩放以同时改善多项式和拟合算法的数值属性。 参数 x:查询点 y

解决数据拟合问题最重要方法是最小二乘法和回归分析。如，我们需要从一组测定的数据（例如N个点（xi，yi）（i=0,1，…，m））去求得自变量 x 和因变量 y 的一个近似解表达式 y=f（x），这就是由给定的 N 个点（xi，yi）（i=0,1，…，m）求数据拟合的问题。（注意数据拟合和数据插值是不同的，举个例子：因为测量数据往往不可避免地带有测试误差，而插值多项式又通过所有的点（xi，yi），这

1.表中是道琼斯工业指数（DJIA）和标准普尔500种股票指数（S&P500）1988年至1997年对应股票的收益率资料： 　　　　年份 DJIA收益率（%） S&P500收益率（%） 年份 DJIA收益率（%） S&P500收益率（%） 1988 16.0 16.6 1993 16.8 10.1 1989 31.7 31.5 1994 4.9 1.3 19