MATLAB实现二维离散点的最小二乘法拟合。 最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。

数值分析实验 曲线拟合的最小二乘法的Matlab算法

关于matlab椭圆拟合的源代码，根据给出的椭圆边界上的点坐标拟合整个椭圆的边界

这是用C#写的用最小二乘法实现的各种拟合函数，包括了多项式拟合，指数函数拟合，对数函数拟合，幂函数拟合。本人菜鸟一枚，有错误的地方请多多指教。

方便大家使用的最小二乘法曲线拟合的Matlab程序-untitled2.fig 非常方便用户使用,直接按提示操作即可;这里我演示一个例子: 请以向量的形式输入x,y. x=[1,2,3,4] y=[3,4,5,6] 通过下面的交互式图形，你可以事先估计一下你要拟合的多项式的阶数，方便下面的计算. polytool()是交互式函数,在图形上方[Degree]框中输入阶数,右击左下角的[Export]输出图形 回车打开polytool交互式界面 回车继续进行拟合     输入多项式拟合的阶数   m = 4 Warning: Polynomial is not unique; degree >= number of data points. > In polyfit at 72   In zxecf at 64       输出多项式的各项系数          a = 0.0200000000000001          a = -0.2000000000000008          a = 0.7000000000000022          a = 0.0000000000000000          a = 2.4799999999999973       输出多项式的有关信息 S         R: [4x5 double]        df: 0     normr: 2.3915e-015 Warning: Zero degrees of freedom implies infinite error bounds. > In polyval at 104   In polyconf at 92   In zxecf at 69          观测数据     拟合数据        x         y       yh     1.0000    3.0000    3.0000     2.0000    4.0000    4.0000      3     5     5     4.0000    6.0000    6.0000       剩余平方和            Q = 0.000000         标准误差        Sigma = 0.000000         相关指数           RR = 1.000000 请输入你所需要拟合的数据点，若没有请按回车键结束程序.     输入插值点             x0 = 3     输出插值点拟合函数值   y0 = 5.0000 >> 结果： untitled.fig Figure88.jpg 最小二乘法曲线拟合的程序 untitled2.fig Figure89.jpg 最小二乘法曲线拟合的程序

非线性迭代偏最小二乘法，需要的可以看一下

采用最小二乘法支持向量机对数据进行分类，预测。 该程序已经过验证，可以使用。

递推最小二乘法与广义最小二乘法matlab源程序，仅供大家编程学习参考！

这是一个基于正则化的正交最小二乘法（ols）的RBF神经网络算法， 可以处理回归问题和模式识别中的监督分类问题

matlab最小二乘法进行曲线拟合（源码+注释） 特别详细介绍了多项式拟合（代码+运行截图）。