推荐你使用一个函数nlinfit,我简单给你介绍一下使用方法,以你的模型2为例:
第一步:你需要建立一个function文件,名字随便,这里我们命名为"hougen",在这个文件内,你要把模型二描述清楚,首先我们假定beta=[a;b;c;d;e;f;g];X=[x,y,m];那么该函数文件内部为:
function z=hougen(beta,X)
for i=1:n ;//这里的n是指你已有数据的长度,比如你已有的结果z=[3,2,2,3,4];n就是5,i其实就是第i次的原始数据
a=beta(i,1);b=beta(i,2);……
x=X(i,1);……
z(i)=a+b*x+c*y+d*m+e*x^2+f*y^2+g*m^2;
end
第二步:你就可以直接用下面的命令了
betahat = nlinfit(X,z,@hougen,beta);
X是一个n*3的矩阵,用已知的[x,y,m]对其赋值,z是一个n*1的矩阵,用已知的z对其赋值,beta内是初始值,表示你对所求值的一个预估,这个很关键,不能赋值太离谱,你必须给一个合理的初始值。
然后你就得到想要的结果了,其他模型也用类似的办法来做,更细节的问题就靠你自己了,我已经说的很明白了,如果哪里不明白,多想一想,可参考help文件,自己领悟出来的掌握地更牢靠,学长只能帮你到这里了。
学习fminisearch函数,用最小二乘法做
matlab除了函数还有很多工具:
http://www.mathworks.com/help/curvefit/
http://www.mathworks.com/help/curvefit/linear-and-nonlinear-regression.html
Create splines:
http://www.mathworks.com/help/curvefit/construction.html