matlab从excel中读取文件进行曲线拟合 并导出公式

课题组需要做数据的处理，其中一项是做数据拟合，并导出公式。这是我第一次使用matlab，发现它并不难，而且利用好了就是很棒的工具，不应让它成为拦路虎。乘着现在暑假时期，空闲时间比较多，就多多了解一些。

1. matlab介绍

Matlab是一个很强大的数据处理软件，是人们进行数据分析的得力助手。一般我们做社会调研或科学研究时，会得到很多实验数据。当需要研究两个变量之间的关系时，经常要用到曲线拟合。曲线拟合不仅能给出拟合后的关系式，还能用图形直观的展现出变量之间的关系。

2. 从excel导入数据

如果想要从Excel导入数据，那么就要用到xlsread函数。

filename='login_diff_time.xlsx'; %读取文件地址
x=xlsread(filename,"statistics",'a1:a661'); %参数依次是：文件，sheet名称，读取的范围
y=xlsread(filename,"statistics","b1:b661");

3. 拟合工具箱的使用

打开app栏的曲线拟合工具箱（Curve Fitting），由于是第一次使用，此时我的app处还没有下载好的curve fitting，于是点击“获取更多App”进行安装。安装时，出现了警告：您的管理员限制了您对此 MathWorks 产品的下载权限。
重新以管理员身份打开软件，就可以正常安装了。
网络上解释是，“鉴于MATLAB工具箱广而又多，所需内存多达十几G，对于某一领域的人来说，绝大部分工具箱是没必要安装上的。”无论如何，这个问题也很好解决。

该窗口意思简单明了，左上角选择坐标值，这里我选择了之前在主面板上加载的x,y作为两条坐标轴；右上角选择曲线拟合方式，我们可以自由选择直到选出最合适的为止。右下角显示拟合出函数以及参数！（真是绝，最开始我才用python来做，非常麻烦，需要不断地调整代码才能得出结果，matlab高效许多！）

选择曲线类型进行拟合后，出来一些数值，具体含义如下：

• SSE(和方差、误差平方和)：The sum of squares due to error
  该统计参数计算的是拟合数据和原始数据对应点的误差的平方和，SSE越接近于0，说明模型选择和拟合更好，数据预测也越成功。接下来的MSE和RMSE因为和SSE是同出一宗，所以效果一样
• MSE(均方差、方差)：Mean squared error
  该统计参数是预测数据和原始数据对应点误差的平方和的均值，也就是SSE/n
• RMSE(均方根、标准差)：Root mean squared error
  该统计参数，也叫回归系统的拟合标准差，是MSE的平方根
• R-square(确定系数)：Coefficient of determination
  “确定系数”是通过数据的变化来表征一个拟合的好坏，正常取值范围为[0 1]，越接近1，表明方程的变量对y的解释能力越强，这个模型对数据拟合的也较好
• Adjusted R-square：Degree-of-freedom adjusted coefficient of determination

4. 导出曲线

选出合适的拟合方法之后，就该导出曲线啦。点击左上角菜单栏的文件，选中print to figure就可以得到曲线图啦，曲线格式可以任意选择。大功告成！