打开工具 - 方法1： MATLAB - APP - Curve Fitting
打开工具 - 方法2： 命令行窗口：cftool（Curve Fitting Tool）
多项式曲线拟合函数： p = polyfit(x, y, n); 返回次数为 n 的多项式 p(x) 的系数，该阶数是 y 中数据的最佳拟合（在最小二乘方式中）。其中，p 为多项式系数；p 中的系数按降幂排列；p 的长度为 n+1 ；
多项式曲线拟合公式： p(x) = p(1)*x^n + p(2)*x^(n-1) + ... p(n)*x + p(n+1).
定义1： 用连续曲线近似地刻画或比拟平面上离散点组所表示的坐标之间的函数关系。
定义2： 在数值分析中，曲线拟合就是用解析表达式逼近离散数据，即离散数据的公式化。
最小二乘法： 通过" 最小化误差的平方和 "寻找与数据匹配的最佳函数，使得求得的函数（解析表达式）与实际数据之间误差的平方和为最小。
clear; % 删除工作区中项目，释放系统内存
clc; % 清空命令行窗口
close all; % 关闭句柄可见的所有图窗
% 构建原始数据
Random_point_num = 10; % 随机点总数
x = (1:Random_point_num ); % 取区间内的所有数
y = randn(1, Random_point_num ); % 正态分布的随机数(行,列)
% 多项式曲线拟合
p = polyfit(x, y, 2); % 二阶多项式曲线拟合
% y1 = p(1)*x + p(2); % 一阶曲线拟合公式
y2 = p(1)*x.^2 + p(2)*x + p(3); % 二阶曲线拟合公式
% 开始画图
figure; % 创建图窗窗口
scatter(x, y); % 散点图
hold on; % 添加新绘图时保留当前绘图
plot(x, y2, 'Color', 'r'); % plot(x, y)画图
% 添加标签
xlabel('x'); % 添加 x 轴标签
ylabel('y'); % 添加 y 轴标签
title('多项式曲线拟合'); % 添加标题
legend('原始数据', '拟合直线'); % 添加图例
