对xy二维数据分别用3次和6次多项式曲线拟合数据点，将原数据与拟合数据绘制一张图上，并采用mse指标统计3次6次拟合误差，用MATLAB语言

在MATLAB中，你可以使用`polyfit`函数来进行三次和六次多项式曲线拟合，然后使用`plot`函数绘制原始数据、拟合曲线以及它们之间的差值。`mse`函数可以用来计算均方误差(Mean Squared Error)。以下是大致步骤：

1. **数据准备**：
假设你已经有了名为`xdata`和`ydata`的二维数组，代表数据点的横纵坐标。

x = xdata;
y = ydata;

2. **三次多项式拟合**：
使用`polyfit`得到拟合系数：

p3 = polyfit(x, y, 3); % 3次多项式
y_fit3 = polyval(p3, x);

3. **六次多项式拟合**：
同理，用于六次拟合：

p6 = polyfit(x, y, 6); % 6次多项式
y_fit6 = polyval(p6, x);

4. **绘图**：
使用`plot`函数创建图表，包括原始数据、三次拟合线和六次拟合线：

figure;
hold on; % 保持当前图形以便叠加
plot(x, y, 'o', 'MarkerSize', 8, 'LineWidth', 1.5, 'DisplayName', 'Original Data'); % 原始数据散点
plot(x, y_fit3, '-r', 'DisplayName', 'Third Degree Fit'); % 三次拟合线
plot(x, y_fit6, '-b', 'DisplayName', 'Sixth Degree Fit'); % 六次拟合线
legend('show');
xlabel('X-axis');
ylabel('Y-axis');
title('Polynomial Fitting Comparison');

5. **MSE计算**：
计算三次和六次拟合的均方误差：

mse_3 = mean((y - y_fit3).^2); % 三次多项式MSE
mse_6 = mean((y - y_fit6).^2); % 六次多项式MSE
disp(['MSE (3rd degree): ', num2str(mse_3)]);
disp(['MSE (6th degree): ', num2str(mse_6)]);

6. **显示结果**：
最后展示图像并查看MSE值。

完成上述操作后，你就得到了三次和六次多项式拟合的结果对比图以及各自的MSE值。