在MATLAB中，不使用matlab自动拟合的函数，例如polyfit等，得到一条直线y = ax+b，“最好”的穿过上面那些点。“最好”，在最小二乘意义下。得到a和b

在 MATLAB 中，可以使用最小二乘法（Least Squares Method）来拟合一条直线，其中 a 和 b 为直线的斜率和截距。以下是使用 MATLAB 的方法：

假设有 n 个点，其横坐标为 x = [x1, x2, ..., xn]，纵坐标为 y = [y1, y2, ..., yn]，要拟合的直线为 y = ax + b。

首先，可以将问题转化为矩阵形式：Y = X * P，其中 Y = [y1, y2, ..., yn]'，X = [x1, 1; x2, 1; ..., xn, 1]，P = [a; b]。

然后，通过最小二乘法求解 P，即 P = (X' * X)^(-1) * X' * Y。

在 MATLAB 中，可以使用以下代码实现：

% 输入数据
x = [1, 2, 3, 4, 5];
y = [2, 3, 5, 6, 8];

% 构造 X 和 Y 矩阵
X = [x', ones(size(x'))];
Y = y';

% 求解 P
P = (X' * X)^(-1) * X' * Y;

% 提取 a 和 b
a = P(1);
b = P(2);

% 输出结果
disp(['a = ', num2str(a)]);
disp(['b = ', num2str(b)]);

注意，这种方法只适用于拟合一条直线。如果要拟合更高次的多项式，可以将 X 矩阵中的每一行替换为 [x1^k, x1^(k-1), ..., x1, 1]，其中 k 为多项式的次数。