matlab梯度下降法拟合曲线

梯度下降法是一种常用的参数优化算法，可用于拟合曲线。

在MATLAB中，可以使用`fminunc`函数实现梯度下降法拟合曲线。具体步骤如下：

1. 定义目标函数，即需要拟合的曲线函数。例如，可以定义一个二次函数：`y = a*x^2 + b*x + c`。

2. 定义代价函数，即拟合误差的平方和。例如，可以定义代价函数为：`J = sum((y - y_pred).^2)`，其中`y`为实际值，`y_pred`为预测值。

3. 使用`fminunc`函数最小化代价函数，求出最优解，即拟合曲线的系数。例如，可以使用以下代码实现：

% 定义目标函数
fun = @(x) x(1)*xdata.^2 + x(2)*xdata + x(3);

% 定义代价函数
cost = @(x) sum((ydata - fun(x)).^2);

% 初始化参数
x0 = [1, 1, 1];

% 使用fminunc函数最小化代价函数
x = fminunc(cost, x0);

% 得到拟合曲线的系数
a = x(1);
b = x(2);
c = x(3);

其中，`xdata`和`ydata`分别为拟合曲线的自变量和因变量。

4. 绘制拟合曲线。例如，可以使用以下代码实现：

% 绘制原始数据点
scatter(xdata, ydata);

hold on;

% 绘制拟合曲线
x_range = min(xdata):0.1:max(xdata);
y_pred = a*x_range.^2 + b*x_range + c;
plot(x_range, y_pred, 'r');

hold off;

以上就是使用梯度下降法在MATLAB中拟合曲线的基本步骤。