请问lsqnonlin，fit在拟合函数时，使用差别有哪些呢，谁效果最好精度最高呢

matlab的lsqnonlin，fit都是用于拟合函数表达式系数的函数，lsqnonlin函数主要是非线性最小二乘拟合，而fit 函数主要用于标准数学模型的拟合。拟合精度一般差不多。

可以用fit函数进行拟合，你可以查看帮助文件了解fit函数的具体用法。我举个简单的例子：

已知有一组数据：

x=[1 2 3 4 5 6 7 8 9 10];y=[01411 -02794 04121 -05366 06503 -07510 08367 -09056 09564 -09880]

然后对其进行拟合，你合成y=asin（bx）

代码如下：

mymodel=fittype('asin(bx)');

opts=fitoptions(mymodel);

[fit1,gof1,out1]=fit(x',y',mymodel,opts)

然后会显示结果对结果进行检查发现，系数值偏差很大，拟合情况很不理想，你可以通过gof1第一项察看，他是拟合后与拟合前y值差的平方和。

然后你可以调节待求系数的上下限，用optslower=[0 2];optsupper=[2 4];这两个命令，[]里的值按判断设定，使拟合更合理。

nlinfit与lsqcurvefit ，lsqnonlin，fit都是matlab的基本拟合函数，nlinfit，lsqcurvefit 是比较常用的拟合函数，可以拟合线性函数和非线性函数的系数，大部分数学模型拟合基本能满足，而lsqnonlin，fit适应于特别的数学模型拟合。拟合效果都是一样的。

可以用fit函数进行拟合，你可以查看帮助文件了解fit函数的具体用法。我举个简单的例子：  

已知有一组数据：

x=[12345678910];y=[01411-0279404121-0536606503-0751008367-0905609564-09880]  

然后对其进行拟合，你合成y=asin（bx）  

代码如下：  

mymodel=fittype('asin(bx)');  

opts=fitoptions(mymodel);  

[fit1,gof1,out1]=fit(x',y',mymodel,opts)

扩展资料：

MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷的多，并且MATLAB也吸收了像Maple等软件的优点，使MATLAB成为一个强大的数学软件。

MATLAB开发环境是一套方便用户使用的MATLAB函数和文件工具集，其中许多工具是图形化用户接口。它是一个集成的 用户工作空间，允许用户输入输出数据，并提供了M文件的集成编译和调试环境，包括MATLAB桌面、命令窗口、M文件编辑调试器。

-MATLAB

-sin函数

fit 返回的拟合函数是把自变量x进行规范化的（normalized），也就是说，

ff(x) = ax^3 + bx^2 + cx + d

中的x，并不是你的原始数据，而是经过规范化的数据，即 （原始数据-均值）/ 标准差，其中均值和标准差可以在图中看到。

 

事实上，用fit拟合得到的结果为cfit对象，计算函数值时不应该用题主的方式，而应该用feval：

feval(ff,500)