曲线拟合
使用Matlab自带的polyfit函数，可以很方便地根据现有样本数据进行多项式曲线拟合，为了有直观感受，先上例程，如下所示：
x = -:0.1:; % 样本数据x坐标
y = *x.^ + *x + + randn(size(x)); % 样本数据y坐标，添加随机噪声 p = polyfit(x, y, ); % 使用自带函数进行数据拟合，拟合的多项式维数n=
yy = polyval(p, x); % 生成拟合数据 figure, plot(x, y, '.'); % 显示原始数据
xlabel('x'), ylabel('y'); % 坐标轴
hold on, plot(x, yy, 'r', 'LineWidth', ); % 显示拟合数据
legend('raw data', 'fitting line'); % 图例
运行结果：
函数说明：
p = polyfit(x,y,n) returns the coefficients for a polynomial p(x) of degree n that is a best fit (in a least-squares sense) for the data in y. The coefficients in p are in descending powers, and the length of p is n+1 
即，polyfit(x,y,n) 返回对应于样本数据y的n维多项式p(x)的系数（基于最小二乘法）。该系数按照降幂顺序排列，个数为 n+1
直线拟合
基本原理：给定一组数据[x1,x2,…,xn]和[y1,y2,…yn]，已知x和y成基本线性关系，即存在一条最佳拟合直线 y = kx + b，对此，同样可以基于最小二乘法来求出系数k和b。此时，调用polyfit(x,y,n)时，应取n=1，即把直线拟合看作是一阶多项式的拟合，在此不再赘述。
另外，还可以使用基于矩阵除法的直线拟合方法，基本原理如下：
例程：
% 基于矩阵除法的直线拟合
x = [0.5 1.5 2.5 ];
y = [1.75 2.45 3.81 4.8 8.6]; n = length(x);
x = reshape(x,n,); % 生成列向量
y = reshape(y,n,);
A = [x,ones(n,)]; % 连接矩接A yy = A \ y; % 左除，相当于inv(A)*y k = yy(); % 得到k
b = yy(); % 得到b yy = polyval([k, b], x); % 生成拟合数据
figure,
plot(x, y, '*');
hold on, plot(x, yy, 'r'); % 显示拟合曲线
运行结果：