excel如何进行多元拟合分析,电子表格数据拟合方法excel
1. 数据拟合方法excel
可以根据回归分析法，基于历史数据预测一个函数。相关计算公式为：a=[∑Xi2∑Yi-∑Xi∑XiYi]/[n∑Xi2-(∑Xi)2]，b=[n∑XiYi-∑Xi∑Yi]/[n∑Xi2-(∑Xi)2]。
2. 数据拟合方法的推广与应用
数据拟合
数据拟合又称曲线拟合，俗称拉曲线，是一种把现有数据透过数学方法来代入一条数式的表示方式。科学和工程问题可以通过诸如采样、实验等方法获得若干离散的数据，根据这些数据，我们往往希望得到一个连续的函数（也就是曲线）或者更加密集的离散方程与已知数据相吻合，这过程就叫做拟合(fitting)。
3. 数据拟合方法程序设计及其应用
数据拟合又称曲线拟合，俗称拉曲线，是一种把现有数据透过数学方法来代入一条数式的表示方式。科学和工程问题可以通过诸如采样、实验等方法获得若干离散的数据，根据这些数据，我们往往希望得到一个连续的函数（也就是曲线）或者更加密集的离散方程与已知数据相吻合，这过程就叫做拟合。
4. 数据拟合方法的应用
方法一、用数据拟合工具箱 Curve Fitting Tool
打开CFTOOL工具箱。在matlab的command window中输入cftool，即可进入数据拟合工具箱。
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];
数据的选取。打开曲线拟合共工具界面，点击最左边的X data和Y data，选择刚才输入的数据，这时界面中会出现这组数据的散点图。
选择拟合方法，点击Fit
左侧results为拟合结果，下方表格为误差等统计数据。
方法二、用神经网络工具箱
1、打开神经网络工具箱，在command window内输入nftool，进入Neural fitting tool
2、导入数据，点击next，导入Inputs为x，Targets为y。
3、选择网络参数，点击next，选择训练集和测试集数量，点next，选隐藏层节点个数。
4、训练数据，点next，选train。
5、绘制拟合曲线，训练完成后电机plot fit
训练结果参数在训练完后自动弹出
神经网络工具箱可以用command写，请搜索关键字matlab 神经网络工具箱函数。
方法三、用polyfit函数写
polyfit函数是matlab中用于进行曲线拟合的一个函数。其数学基础是最小二乘法曲线拟合原理。曲线拟合：已知离散点上的数据集，即已知在点集上的函数值，构造一个解析函数（其图形为一曲线）使在原离散点上尽可能接近给定的值。
调用方法：a=polyfit(xdata,ydata,n)，
其中n表示多项式的最高阶数，xdata，ydata为将要拟合的数据，它是用数组的方式输入。输出参数a为拟合多项式 y=a1x^n+...+anx+a,共n+1个系数。
%例程A=polyfit(x,y,2);z=polyval(A,x);plot(x,y,'r*',x,z,'b')
方法四、自行写算法做拟合
请参考数值分析教科书，拟合、插值方法较多，算法并不复杂，灵活套用循环即可
5. 数据拟合方法的不足之处
plot 只是根据你的数据画图，也就是将相邻数据用线段连结起来，本身没有什么拟合作用如果你只是想得到平滑曲线，可以用插值，举个例子：
这里在 y = sin(x) 曲线的 [0 2*pi] 区间上取了 7 个点，作图显然不够平滑。下面做Cubic spline 插值(当然也可以选择其他插值方式) 处理：这里的图一样是 plot 绘制的，所以说是否平滑不是 plot 决定的，而是你的数据决定的多条曲线插值也是类似的，常用的插值函数如 spline，interp1 都支持插值多条曲线（即使有不支持或者不方便（例如不同曲线的点数不同）的也可以写个循环解决）：6. 数据拟合方法的意义
因为origin是专业的数据拟合和制图软件，而且处理速度快。
7. 数据拟合方法在数学建模过程中有什么意义
散点曲面重构是计算机图形学中的一个基本问题，针对这个问题提出了一种全新的基于核回归方法的散点曲面重构方法，使用二维信号处理方法中非参数滤波等成熟手段进行曲面重构。
这种方法可以生成任意阶数连续的曲面，在理论上保证了生成曲面的连续性，可以自定义网格的拓扑，在曲率大或者感兴趣的局部能够自适应调整网格点的密度，生成的结果方便LOD建模，数据的拟合精度也可以通过调整滤波参数控制，算法自适应调整滤波器的方向，使结果曲面可以更好保持尖锐特征。同时在构造过程中避免了传统的细分曲面方法中迭代、Delaunay剖分和点云数据中重采样等时间开销大的过程，提高了效率。对于采样不均、噪声较大的数据。该算法的鲁棒性很好。实验表明这种曲面建模方法能够散点重构出精度较高的连续曲面，在效率上有很大提高，在只需要估计曲面和其一阶导数时，利用Nadaraya-Watson快速算法可以使算法时间复杂度降为O（N），远低于其他曲面重构平滑方法。同时算法可以对曲面的局部点云密度、网格顶点法矢等信息做有效的估计。重构出的曲面对类似数字高程模型（DEM）的数据可以保证以上的优点。但如果散点数据不能被投影到2维平面上，曲面重构就需要包括基网格生成、重构面片缝合等过程。缝合边缘的连续性也不能在理论上得到保证8. 数据拟合方法matlab
对于分段曲线的函数拟合，可以按下列步骤来进行。
步骤一、根据已知的二维数据xi、yi，用绘图函数plot（x，y，'k*'），绘出其散点图。
步骤二、根据散点图，判断分段曲线的分段区间，同时判断每个分段区间内的散点符合某个数学模型。
步骤三、根据分段区间，分别用matlab的拟合工具箱的拟合函数，去拟合其数学模型的系数。
步骤四、根据拟合后的数学模型的数值和已知的散点值作对比，判断拟合的数学模型是否合理，一般可以用决定系数R2来判断，当R2≈1，可以认为拟合是合理的。matlab常用的函数有，regress（线性函数），nlinfit，lsqnonlin，lsqnonlin（非线性函数），GM（离散型非线性函数）等等。
9. 数据拟合方法有哪些
线性拟合，对数拟合，指数拟合，多项式拟合，幂乘拟合，移动平均拟合
10. 数据拟合方法excel,可以直接导入散点图吧
Excel拟合函数的操作方法如下：
点击插入里面的散点图，里面有一个圆滑的带点的图，点击那个以后会弹出一个空白图，单击右键后点选择数据，然后x，y分别选定，图就做出来了。之后点击图上的点，选定所有点后右击，有一个拟合，选择线性，并在方程那一栏打钩。