matlab 拟合后误差分析代码

对于 MATLAB，有多种方法可以进行拟合后的误差分析。以下是一种常见的方法，使用多项式拟合作为示例：

% 生成示例数据
x = linspace(0, 10, 100);
y = 2 * x.^2 + 3 * x + 1 + randn(size(x));

% 多项式拟合
degree = 2; % 多项式次数
p = polyfit(x, y, degree); % 拟合多项式系数

% 计算拟合值
y_fit = polyval(p, x);

% 计算残差
residuals = y - y_fit;

% 计算均方根误差（RMSE）
rmse = sqrt(mean(residuals.^2));

% 绘制原始数据、拟合曲线和残差图
figure;
subplot(2, 1, 1);
plot(x, y, 'bo', x, y_fit, 'r-');
legend('原始数据', '拟合曲线');
xlabel('x');
ylabel('y');
subplot(2, 1, 2);
plot(x, residuals, 'go');
legend('残差');
xlabel('x');
ylabel('残差');

% 显示均方根误差
disp(['均方根误差（RMSE）: ', num2str(rmse)]);

在这个示例中，首先生成了一组示例数据 `x` 和 `y`。然后使用 `polyfit` 函数进行多项式拟合，得到拟合多项式的系数 `p`。接下来，使用 `polyval` 函数计算拟合值 `y_fit`。然后，计算残差 `residuals`，即原始数据与拟合值之间的差异。最后，计算均方根误差（RMSE）作为拟合后的误差度量，并绘制原始数据、拟合曲线和残差图。

请注意，这只是一个示例，具体的误差分析方法取决于你的数据和拟合模型。你可以根据实际情况进行适当修改和扩展。