matlab多元拟合回归

在MATLAB中进行多元拟合回归，你可以使用`fitlm`函数或者`fitrgp`函数。下面我将分别介绍这两种方法。

方法一：使用`fitlm`函数进行多元拟合回归。

% 准备数据
x1 = [1, 2, 3, 4, 5];
x2 = [0.5, 1.5, 2.5, 3.5, 4.5];
y = [2, 4, 6, 8, 10];

% 构建设计矩阵
X = [ones(size(x1)), x1', x2'];

% 拟合多元回归模型
mdl = fitlm(X, y);

% 查看拟合结果
disp(mdl);

% 预测新的数据点
x1_new = [6, 7];
x2_new = [5.5, 6.5];
X_new = [ones(size(x1_new)), x1_new', x2_new'];
y_pred = predict(mdl, X_new);
disp(y_pred);

在这个示例中，我们有两个自变量 `x1` 和 `x2`，以及一个因变量 `y`。我们首先构建了一个设计矩阵 `X`，其中包含了常数列和自变量 `x1`、`x2`。然后，使用 `fitlm` 函数拟合多元回归模型。最后，我们可以使用 `predict` 函数对新的数据点进行预测。

方法二：使用`fitrgp`函数进行多元高斯过程回归。

% 准备数据
x1 = [1, 2, 3, 4, 5];
x2 = [0.5, 1.5, 2.5, 3.5, 4.5];
y = [2, 4, 6, 8, 10];

% 构建设计矩阵
X = [x1', x2'];

% 拟合多元高斯过程回归模型
mdl = fitrgp(X, y);

% 查看拟合结果
disp(mdl);

% 预测新的数据点
x1_new = [6, 7];
x2_new = [5.5, 6.5];
X_new = [x1_new', x2_new'];
y_pred = predict(mdl, X_new);
disp(y_pred);

在这个示例中，我们同样有两个自变量 `x1` 和 `x2`，以及一个因变量 `y`。我们直接使用 `fitrgp` 函数拟合多元高斯过程回归模型。最后，我们可以使用 `predict` 函数对新的数据点进行预测。

希望这些示例能帮助到你！如果有任何问题，请随时提问。