我无法理解并在Matlab中应用nlinfit函数。所以，让我说我给了矢量
x = [1, 2, 3, 4, 5]
y = [2.3, 2.1, 1.7, .95, .70]
并且我被要求将这些数据拟合成指数形式（我不知道这些数字是否有效，我做了它们）y = A*e^(Bx) + C（A/B/C是常量）。
我的理解是nlinfit需要4个参数，两个向量，一个modelfunction，在这种情况下应该是我上面的等式，然后是beta0，我不知道完全理解。我的问题是如何在modelfunction中实现nlinft，以及如何找到beta0（当只使用2个要绘制/拟合的向量时）以及如何实现？有人可以给我一个例子，以便我可以适用于任何合适的功能吗？我怀疑将来我会经常使用它，并且真的想学习它。
答案 0 :(得分：3)
查看文档中的第二个示例：http://www.mathworks.com/help/stats/nlinfit.html
基本上，您将函数句柄作为modelfunction参数传递。要么在文件中创建一个函数，然后只是在前面传递一个带有@的函数名，要么像这样创建一个匿名函数：
nlinfit(x, y, @(b,x)(b(1).*exp(b(2).*x) + b(3)), beta0)
您会注意到，在上面我将所有参数都卡在了一个矢量中。函数的第一个参数必须是您尝试解决的所有点的向量（例如，A，B和C，而第二个参数必须为{{ 1}}。
正如木片所说，x是您的起点，所以您对beta0，A和B参数的最佳猜测（不一定非常好）。所以像C或[1 1 1]这样的东西，但它是非常具体的问题。你应该玩一些。请记住，这是一个本地搜索功能，因此可能会陷入局部最佳状态，因此您的起点实际上非常重要。
答案 1 :(得分：0)
beta0是您对参数的初步猜测。您的猜测越多，您就越有可能看到融合到可行的解决方案。 nlinfit只不过是一种优化。它必须从某个地方开始。