如何使用matlab中的工具箱

1. 如何使用matlab中的工具箱

1、我们首先给出对应的拟合数据:
>> x=1:100;
>> y=2*x;
一条直线。

2、然后我们这里先画出这条直线，直观感受下。

3、接着我们在命令窗口输入：cftool

4、我们会看到此时，系统会显示cftool工具箱。

5、然后选择拟合的数据，当然我们这里拟合的是二维数据。只需要输入2个数据源。

6、然后选择拟合的函数类型，可以选择线性，高斯，幂律，等常见的函数类型，此时的数据拟合结果会在左侧显示。

2. 如何使用matlab中的工具箱

使用matlab中的工具箱方法：
MATLAB自带工具箱

查看方式：
我们首先详细介绍一下MATLAB自带工具箱的使用。
在我们不熟悉一些调用工具箱的命令的时候，我们可以按照如下图所示：
在MATLAB主窗口中，点击左下角start--toolboxes,就会罗列出你的MATLAB已经安装的所有工具箱，可以根据你的需要选择你将要使用的工具箱。我们可以看到有拟合工具箱、金融工具箱、最优化工具箱等等。

调用（打开）方式：
下面我们介绍一下如何打开一个工具箱。
我们以调用拟合工具箱为例，进行详细的示例。
调用方式一：
按照如下图所示的步骤：
点击主窗口左下角start--toolboxes--curve fitting--curve fitting tool 单击，就可以打开拟合工具箱.

调用方式二：
在上一步中，我们在start--toolboxes--curve fitting--curve fitting tool ，到这里的时候，会看到在其后面有一个简写  cftool  如下图，这就是我们的拟合工具箱调用命令函数。在MATLAB主窗口中输入cftool ，回车，同样可以打开拟合工具箱。

工具箱的使用：
拟合工具箱打开之后，如下，我们就可以进行多种曲线拟合了。
关于MATLAB拟合工具箱等，一些工具箱的详细用法，由于篇幅的有限，在我的其他经验中都会陆续给出，有兴趣的可以查看。

非自带工具箱
非自带工具箱，需另外下载，然后按照一定的步骤导入，导入后一般不能像上面工具箱一样，通过界面操作，一般都通过函数使用。由于工具箱的导入有几个小的细节需要注意，所以在我的其他经验中，关于如何导入工具箱，我也进行了详细的介绍。

3. 用matlab曲线拟合工具箱拟合数据后要进行预测，应该怎么做啊？哪位大神

1、最笨的办法，就是通过拟合工具箱拟合数据后，得到的函数表达式和系数值拷贝（Ctrl+C）出来，然后整理函数表达式，系数字母用系数值替代。这样就可以进行预测了。
2、用fit（）函数进行拟合，然后用ftype（）函数进行预测。这是比较实用的方法。
x=[]
y=[]
ftype = fittype('0.5-0.5*a*x-125/b+sqrt((0.5*a*x+0.5+125/b)^2-a*x)');

cdate=x;pop=y;
f=fit(cdate,pop,ftype)  %拟合
y1=y;
x1=x;
y2=ftype(f.a,f.b,x1);   %预测

4. matlab工具箱数据预测

你那个叫用工具箱进行时间序列预测，
给你几个关键词，这是个领域，一时说不清。
adf检验，train函数  （bp网络训练函数） ，还有gm11也可以时间序列预测，具体看你啥东西。另外，svm是分类的，没有你说的预测具体值

5. 怎么用matlab工具箱newrbe函数预测数据

使用 edit + 函数名即可打开函数。 不过对于bult-in function只能看到函数的注释部分，而不能查看函数的具体代码。 如: edit size就只能查看注释而edit tf既可以查看注释也能看到代码

6. MATLAB中NETLAB工具箱如何实现预测多元数据？是否需要用到其他的工具箱

数据准备：
我们以一组多项式数据为例，进行示例，假如多项式是y=4x^3+3x^2+2产生的数据，x取0到3之间间隔为0.3的数。具体数据如下：

调用工具箱：
关于如何调用工具箱我在其他经验中有详细的介绍，有兴趣的可以查看。
这里我们用命令cftool进行调用拟合工具箱，在MATLAB主窗口中输入 cftool 回车
可以看到如下拟合工具箱界面

拟合操作步骤：
首先我们将要拟合的数据选入到工具箱中，如下图，在红圈处，点击向下三角，分别将要拟合的x y 选入，然后点击右侧的最上方的下三角，然后选择polynomial（ 多项式），下面的degree是阶数，也就是x的最高次数，选择不同的degree，在图的左下角是拟合的结果，包括拟合的系数以及方差相关系数等，右侧是数据点，以拟合曲线。

结果分析：
我们拟合的时候，一般情况下不知道要拟合的多项式是几阶的，我们一般调节degree都是从1逐渐增大，只要精度符合要求，就可以了，并不是精度越高越高。
拟合结果说明：
Linear model Poly3:
f(x) = p1*x^3 + p2*x^2 + p3*x + p4
Coefficients (with 95% confidence bounds):
p1 = 4 (4, 4)
p2 = 3 (3, 3)
p3 = 4.593e-15 (-3.266e-14, 4.185e-14)
p4 = 2 (2, 2)

Goodness of fit:
SSE: 2.386e-28
R-square: 1
Adjusted R-square: 1
RMSE: 5.839e-15
从以上可以看到最终拟合的y关于x的函数为：
f(x)=4*x^3+3*x^2+4.593e-15*x+2
我们可以看到一次项的系数为4.593e-15，实际上就是4.593*10^（-15），这个数量级完全可以认为是0，所以拟合的结果我们认为是：
f(x)=4*x^3+3*x^2+2
这里的方差SSE数量级为10的负28次方，相关系数 R-square=1，说明拟合的结果很好。

7. 如何利用matlab进行神经网络预测

matlab 带有神经网络工具箱，可直接调用，建议找本书看看，或者MATLAB论坛找例子。
核心调用语句如下：
%数据输入
 
%选连样本输入输出数据归一化
[inputn,inputps]=mapminmax(input_train);
[outputn,outputps]=mapminmax(output_train);
%% BP网络训练
% %初始化网络结构
net=newff(inputn,outputn,[8 8]);
net.trainParam.epochs=100;
net.trainParam.lr=0.01;
net.trainParam.goal=0.01;
%网络训练
net=train(net,inputn,outputn);
%% BP网络预测
%预测数据归一化
inputn_test=mapminmax('apply',input_test,inputps);
 %网络预测输出
an=sim(net,inputn_test);
 %网络输出反归一化
BPoutput=mapminmax('reverse',an,outputps);
%% 结果分析

8. matlab神经网络工具箱预测一组数据，比如说 日期：1,2,3,4,5,6,7,8,9,10 数据：10,11,12,12,12,12,13,15

构造神经网络，将关系型数据转化为训练样本：输入样本前几个数据，输出后2个，滑动生成。最后采用后面的数据对11,12日的数据进行预测 。