如何在MATLAB中执行线性回归（线性拟合）并获取最佳拟合直线？

在MATLAB中执行线性回归（线性拟合），通常使用`polyfit`函数来进行数据点的拟合，并通过`plot`和`polyval`函数绘制最佳拟合直线。以下是基本步骤：

1. **准备数据**：假设你已经有了两个变量的数据，比如自变量`x`和因变量`y`。

x = ... % 自变量向量
y = ... % 因变量向量

2. **拟合直线**：使用`polyfit`函数，它会返回一个多项式的系数向量，这里我们一般会选择一次多项式（即线性回归），所以系数向量长度为2。

p = polyfit(x, y, 1); % 返回斜率和截距

3. **评估模型**：你可以用拟合得到的系数计算出拟合的直线方程，如`y = p(1)*x + p(2)`。

4. **绘制数据和拟合线**：使用`polyval`对所有`x`值计算对应的`y`值，然后用`plot`绘制原始数据和拟合线。

x_fit = linspace(min(x), max(x)); % 创建自变量的均匀网格
y_fit = polyval(p, x_fit);         % 计算拟合值

figure;                                  % 新建图形窗口
scatter(x, y, 'filled');                % 绘制散点图
hold on;                                 % 保持当前绘图状态
plot(x_fit, y_fit, '-r', 'LineWidth', 2); % 绘制拟合线
hold off;                                % 解除绘图状态
xlabel('X轴');                          % 添加坐标轴标签
ylabel('Y轴');
title('线性回归拟合');