在Matlab中有一个功能强大的曲线拟合工具箱 cftool ，使用方便，能实现多种类型的线性、非线性曲线拟合。

能够帮助大家在一大堆数据中找到数据之间的关系。下面结合 Matlab R2020a 来简单介绍如何使用这个工具箱。

一、打开curve fitting tool

点击matlab上方的app入口、展开、找到数学统计和优化，里面中curve fitting就是我们本次要介绍的软件工具箱，如果没有的，可以前往官网下载补偿（这个部分教程就不做了，网上有很多）。

二、分析curve fitting中各个位置的作用。

1.fit name：分析名称命名，就是给你分析的曲线取名字。

2.X data：X轴数据。

3.Y data：Y轴数据。

4.Z data：Z轴数据。（这里插一句，curve fitting是可以分析多维数据的，所以比我们想象中要强大的多）

5.Weights：Weights选项用于设置权重。权重是用于调整数据点对拟合结果影响程度的数值。通过选择不同的权重，可以对不同的数据点赋予不同的重要性，从而影响拟合曲线的形状和精度。这个看个人需求，一般的数据分析都不需要，只有那些严格数据才会注重权重。

6.选择相应的数据曲线函数分析方法：

• Custom Equations：用户自定义的函数类型
• Exponential：指数逼近，有2种类型， a*exp(b*x) 、 a*exp(b*x) + c*exp(d*x)
• Fourier：傅立叶逼近，有7种类型，基础型是 a0 + a1*cos(x*w) + b1*sin(x*w)
• Gaussian：高斯逼近，有8种类型，基础型是 a1*exp(-((x-b1)/c1)^2)
• Interpolant：插值逼近，有4种类型，linear、nearest neighbor、cubic spline、shape-preserving
• Polynomial：多形式逼近，有9种类型，linear ~、quadratic ~、cubic ~、4-9th degree ~
• Power：幂逼近，有2种类型，a*x^b 、a*x^b + c
• Rational：有理数逼近，分子、分母共有的类型是linear ~、quadratic ~、cubic ~、4-5th degree ~；此外，分子还包括constant型
• Smoothing Spline：平滑逼近（翻译的不大恰当，不好意思）
• Sum of Sin Functions：正弦曲线逼近，有8种类型，基础型是 a1*sin(b1*x + c1)
• Weibull：只有一种，a*b*x^(b-1)*exp(-a*x^b)

 7.Results：这里可以查看分析的曲线函数结果。

8.select data to ...surfaces：在这里就是图示话函数曲线结果。

9.最低下的格子就是拟合的概况。

10.auto fit：自动生成，勾选上之后就不用自己点击开始，会自动根据你改的数据进行分析。

三、数据分析

 1.举个栗子

首先在命令行中输入两组数据

x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447 296.204 311.5475]；
y=[5 10 15 20 25 30 35 40 45 50]；

2.打开工具箱

命名，选择x、y的数据，选择对应函数分析方法就出现了如下

 3.多种方法对比

点击菜单栏的Fit,在弹窗中选择New Fit ,就可以进行新的拟合，重复前面的步骤进行拟合即可，然后根据最底下的拟合概况进行对比。

4.生成代码或图像

点击File,然后点击Generate Code可生成代码，点击Print to Figure可以调用制图工具来将拟合结果进行修改标记等。

5.保存到工作区

点击File,然后点击Save to Workspace即可保存到工作区便于后续使用。