matlab最小二乘法线性回归代码

当使用最小二乘法进行线性回归时，可以使用MATLAB的内置函数 `polyfit`。以下是一个使用最小二乘法进行线性回归的例子：

% 输入数据
x = [1, 2, 3, 4, 5];
y = [3, 5, 7, 9, 11];

% 计算线性回归拟合参数
p = polyfit(x, y, 1);

% 提取斜率和截距
slope = p(1);
intercept = p(2);

% 绘制原始数据和拟合直线
scatter(x, y);
hold on;
plot(x, slope*x + intercept, 'r');
hold off;

% 显示结果
fprintf('斜率：%.2f\n', slope);
fprintf('截距：%.2f\n', intercept);

在这个例子中，我们先定义了输入数据 `x` 和 `y`，然后使用 `polyfit` 函数来计算线性回归的拟合参数。函数的第一个参数是自变量，第二个参数是因变量，第三个参数是拟合的多项式的次数。对于线性回归，多项式的次数是1。返回值 `p` 是一个包含拟合直线的斜率和截距的向量。

然后，我们可以使用 `scatter` 函数绘制原始数据的散点图，并使用 `plot` 函数绘制线性回归拟合的直线。

最后，我们使用 `fprintf` 函数显示拟合直线的斜率和截距。

请注意，这只是一个简单的示例，您可以根据自己的数据和需求进行相应的修改。