1. 从数据到洞察：数学建模中拟合与回归的核心价值
在数学建模的实战中，我们拿到一堆数据后，最常面临的灵魂拷问就是：“这些数据背后藏着什么规律？” 无论是预测明天的客流量、分析药物剂量与疗效的关系，还是评估经济指标对房价的影响，我们都需要从散乱的数据点中，提炼出一个能够描述其内在关系的数学模型。这个过程，就是数据拟合与回归分析。而 MATLAB，作为工程与科学计算领域的“瑞士军刀”，为我们提供了强大且灵活的工具箱，让这个从数据到模型的过程变得直观且高效。
简单来说，拟合侧重于寻找一个函数（曲线或曲面），使其在某种意义下（如最小二乘法）“最好地”接近已知数据点，更偏向于数值逼近。而回归则通常特指研究一个或多个自变量（解释变量）与一个因变量（响应变量）之间统计关系的方法，其模型往往具有明确的解释意义，比如线性回归、逻辑回归。在 MATLAB 的语境下，这两个概念的操作常常交织在一起，我们通过拟合技术来实现回归模型参数的估计。
对于参加数学建模竞赛的同学，或是刚接触数据分析的工程师，掌握 MATLAB 中的拟合与回归技能，意味着你能够将赛题中的海量数据转化为有说服力的模型和结论，这是从“数据处理员”迈向“模型构建者”的关键一步。本文将抛开教科书式的理论堆砌，直接切入实战场景，手把手带你拆解 MATLAB 中实现数据拟合与回归的完整链路、核心函数、避坑指南以及那些只有踩过坑才知道的经验技巧。
2. 工具箱巡礼：MATLAB 中拟合与回归的“武器库”
面对不同的数据关系和建模需求，MATLAB 提供了多套解决方案。盲目地用一个函数去套所有问题，往往是低效且容易出错的。首先，我们需要根据数据的特征和模型假设，选择合适的“武器”。
2.1 基础拟合工具：Curve Fitting Toolbox
对于大多数初、中级建模场景，Curve Fitting Toolbox 是首选。它界面友好，功能强大，尤其适合进行曲线与曲面拟合。
核心函数fit与fittype：fit函数是工具箱的基石。其基本语法是f = fit(x, y, fitType)，其中fitType定义了模型形式。你可以使用内置的模型字符串，如：
‘poly1’：一阶多项式（线性）y = p1*x + p2‘poly2’：二阶多项式（二次）y = p1*x^2 + p2*x + p3‘exp1’：单指数y = a*exp(b*x)‘sin1’：正弦函数y = a1*sin(b1*x + c1)
更强大的是，你可以用fittype自定义任意形式的模型。例如，假设你想拟合一个自定义的衰减振荡模型y = a * exp(-b*x) * sin(c*x + d)：
% 定义自定义模型 myModel = fittype(‘a * exp(-b*x) * sin(c*x + d)’, ‘independent’, ‘x’, ‘coefficients’, {‘a’, ‘b’, ‘c’, ‘d’}); % 进行拟合 x = …; % 你的数据 y = …; [f, gof] = fit(x, y, myModel, ‘StartPoint’, [1, 0.1, 1, 0]); % 提供初始点很重要 % 查看结果 disp(f); plot(f, x, y); % 自动绘制拟合曲线与原始数据注意：对于非线性模型，初始参数猜测
‘StartPoint’至关重要。糟糕的初始值可能导致拟合算法陷入局部最优甚至无法收敛。一个实用的技巧是先用plot粗略观察数据趋势，手动估算大致参数范围作为初始值。
图形化界面cftool：在命令窗口输入cftool即可打开曲线拟合器。这是一个强大的交互式工具，特别适合探索性数据分析。你可以：
- 轻松导入工作区变量。
- 在图形上直接选择数据。
- 从数十种内置模型（多项式、指数、傅里叶、高斯等）中实时切换，并即时看到拟合效果和残差图。
- 自动生成拟合代码，将交互操作转化为可重复的脚本。
对于数学建模竞赛，在思路探索阶段强烈推荐使用cftool快速尝试多种模型，确定大致方向后，再将最佳模型的拟合过程用代码固化下来，写入论文。
2.2 统计与机器学习工具箱：更专业的回归分析
当你的问题涉及到更严格的统计推断、假设检验，或需要使用机器学习算法时，就需要转向 Statistics and Machine Learning Toolbox。
线性回归fitlm：这是进行多元线性回归的主力函数。它不仅能估计系数，还能提供完整的统计分析报表，包括 R 平方、调整 R 平方、F 检验、t 检验及各系数的置信区间，这些是建模论文中模型显著性论证的关键。
% 假设有自变量矩阵 X (n行p列) 和因变量向量 y X = [x1, x2, x3]; % 三个自变量 y = …; % 拟合线性模型 mdl = fitlm(X, y, ‘VarNames’, {‘Var1’, ‘Var2’, ‘Var3’, ‘Response’}); % 显示详细摘要 disp(mdl); % 查看方差分析表 anova(mdl, ‘summary’); % 绘制诊断图，如残差图 plotResiduals(mdl);广义线性模型fitglm：当因变量不是连续值，而是计数、二元（0/1）或比例数据时，就需要广义线性模型。例如，经典的逻辑回归（Logistic Regression）就是fitglm在二项分布和 Logit 连接函数下的特例，这正是网络热词中“逻辑回归”和“graphpaid 怎样做logistic回归”所关心的。
% 逻辑回归示例：预测二元结果 % y_binary 是 0 或 1 的向量 mdl_logistic = fitglm(X, y_binary, ‘Distribution’, ‘binomial’, ‘Link’, ‘logit’); disp(mdl_logistic); % 预测新样本的概率 prob = predict(mdl_logistic, newX);正则化回归：应对高维与共线性当自变量很多，或存在多重共线性时，普通最小二乘回归可能不稳定或过拟合。这时就需要引入正则化。热词中的Lasso回归和与之相关的算法就是典型代表。Lasso (L1正则化) 能够将某些系数压缩至零，从而实现特征选择。
% 使用 lasso 函数进行特征选择 [beta, fitInfo] = lasso(X, y, ‘CV’, 10); % 10折交叉验证选择Lambda % 绘制交叉验证误差图，选择最优Lambda lassoPlot(beta, fitInfo, ‘PlotType’, ‘Lambda’, ‘XScale’, ‘log’); % 获取在最优Lambda下的系数（非零系数即为被选中的特征） idxLambda = fitInfo.Index1SE; % 通常选择1个标准误差内的最简模型 coef = beta(:, idxLambda);非线性回归fitnlm：对于已知具体形式的非线性模型，且需要进行统计推断时，fitnlm比fit函数提供更丰富的统计输出。
modelfun = @(b, x) b(1) * exp(-b(2)*x(:,1)) .* sin(b(3)*x(:,2) + b(4)); beta0 = [1, 0.1, 1, 0]; % 初始猜测 mdl_nlm = fitnlm(X, y, modelfun, beta0); disp(mdl_nlm);2.3 进阶与集成方法
对于更复杂的预测任务，我们可能需借助更强大的算法。热词中提到的XGBoost回归模型、随机森林回归算法在 MATLAB 中可以通过 Statistics and Machine Learning Toolbox 的fitrensemble（用于回归的集成学习）函数部分实现，或者借助第三方接口（如调用 Python 的 xgboost 库）。而分位数梯度提升回归 (GBQR)等更前沿的方法，可能需要专门的工具箱或自定义实现。
选择工具箱的核心原则是：从简到繁，按需索取。对于明确的函数形式拟合，用 Curve Fitting；需要统计检验和广义模型，用 Statistics and Machine Learning；进行预测黑箱模型或特征工程，可探索后者的高级功能。
3. 实战全流程：从数据导入到模型评估
我们以一个假设的数学建模场景为例，完整走一遍流程：研究某城市共享单车每日租用量与天气、星期等因素的关系。
3.1 数据准备与探索性分析
任何建模的第一步都不是直接fit，而是了解你的数据。
% 1. 导入数据 (假设为CSV文件) data = readtable(‘bike_sharing_data.csv’); % 2. 数据清洗与预处理 % 处理缺失值：删除或填充 data = rmmissing(data); % 删除包含缺失值的行 % 或使用 fillmissing 进行填充，例如用中位数填充 % data.Temperature = fillmissing(data.Temperature, ‘median’); % 3. 创建可视化，探索关系 figure; subplot(2,2,1); scatter(data.Temperature, data.RentalCount, ‘.’); xlabel(‘温度’); ylabel(‘租用量’); title(‘租用量 vs 温度’); grid on; subplot(2,2,2); boxplot(data.RentalCount, data.Weekday); xlabel(‘星期’); ylabel(‘租用量’); title(‘不同星期租用量分布’); subplot(2,2,3); scatter(data.Humidity, data.RentalCount, ‘.’); xlabel(‘湿度’); ylabel(‘租用量’); title(‘租用量 vs 湿度’); subplot(2,2,4); histogram(data.RentalCount, 30); xlabel(‘租用量’); ylabel(‘频次’); title(‘租用量分布直方图’);通过图形，我们可能发现：温度与租用量呈正相关但可能非线性；周末和工作日模式不同；湿度可能在高值时抑制租用量；租用量数据本身可能右偏。
3.2 模型构建与拟合
假设我们初步判断可以采用多元线性回归，并考虑温度的二次项以及星期类型的分类效应。
% 将星期（Weekday）转换为分类变量，并为回归创建虚拟变量 data.WeekdayCategorical = categorical(data.Weekday); % 使用 fitlm，它会自动处理分类变量 % 公式字符串：’y ~ x1 + x2^2 + x3 + categoricalVar’ % ‘^2’ 表示包含二次项，但不会自动包含一次项，需显式写出 mdl_linear = fitlm(data, ‘RentalCount ~ Temperature + Temperature^2 + Humidity + WeekdayCategorical’); disp(mdl_linear);查看输出，我们会得到详细的系数估计、p值、R²等。如果发现湿度不显著（p值>0.05），可以考虑将其移除。如果残差图显示明显的模式（如漏斗形），说明可能存在异方差性，需要变换因变量（如取对数）或使用稳健回归。
3.3 模型诊断：你的模型真的“健康”吗？
拟合完直接使用是危险的。必须进行模型诊断。
figure; % 1. 残差 vs 拟合值图：检查同方差性和非线性 subplot(2,2,1); plotResiduals(mdl_linear, ‘fitted’); title(‘残差 vs 拟合值’); % 理想情况：点随机均匀分布在y=0线周围，无任何趋势。 % 2. 正态概率图：检查残差的正态性 subplot(2,2,2); plotResiduals(mdl_linear, ‘probability’); title(‘正态概率图’); % 理想情况：点大致沿对角线分布。 % 3. 残差 vs 顺序图：检查与时间或顺序相关的独立性 subplot(2,2,3); plotResiduals(mdl_linear, ‘lagged’); title(‘残差自相关图’); % 理想情况：无明显的自相关模式。 % 4. 库克距离图：识别强影响点 subplot(2,2,4); plotDiagnostics(mdl_linear, ‘cookd’); title(‘库克距离’); % 库克距离远大于其他点的样本，可能需要检查其正确性或考虑其影响。如果诊断图发现问题，就需要回到上一步，考虑：
- 增加/删除变量。
- 对变量进行变换（如对数、平方根）。
- 使用更复杂的模型（如广义线性模型处理计数数据）。
- 处理异常值。
3.4 模型评估与预测
使用训练好的模型对新数据进行预测，并评估其泛化能力。永远不要用训练数据来评价模型最终性能！
% 假设已将原始数据分为训练集 dataTrain 和测试集 dataTest mdl_train = fitlm(dataTrain, ‘RentalCount ~ Temperature + Temperature^2 + Humidity + WeekdayCategorical’); % 在测试集上进行预测 y_pred = predict(mdl_train, dataTest); y_true = dataTest.RentalCount; % 计算评估指标 mse = mean((y_true - y_pred).^2); % 均方误差 rmse = sqrt(mse); % 均方根误差，与因变量同量纲 mae = mean(abs(y_true - y_pred)); % 平均绝对误差 r2 = 1 - sum((y_true - y_pred).^2) / sum((y_true - mean(y_true)).^2); % R² fprintf(‘测试集性能：\n’); fprintf(‘RMSE: %.2f\n’, rmse); fprintf(‘MAE: %.2f\n’, mae); fprintf(‘R²: %.4f\n’, r2); % 绘制预测 vs 实际值图 figure; scatter(y_true, y_pred, ‘b.’); hold on; plot([min(y_true), max(y_true)], [min(y_true), max(y_true)], ‘r–‘, ‘LineWidth’, 2); % 对角线 xlabel(‘实际租用量’); ylabel(‘预测租用量’); title(‘预测 vs 实际’); legend(‘数据点’, ‘y=x 理想线’, ‘Location’, ‘best’); grid on;一个理想的预测-实际图，点应紧密分布在红色对角线周围。
4. 高阶技巧与常见陷阱规避
掌握了基本流程后，一些高阶技巧和“坑点”能极大提升你的建模效率和模型质量。
4.1 交互项与复杂公式
在fitlm的公式中，可以使用:表示交互项，*表示主效应加交互项。例如，y ~ x1 * x2等价于y ~ x1 + x2 + x1:x2。如果你想研究温度和星期类型对租用量的共同影响（例如，周末高温效应更明显），可以加入交互项：
mdl_interaction = fitlm(data, ‘RentalCount ~ Temperature*WeekdayCategorical + Humidity’);4.2 过拟合与模型选择：不要盲目追求高R²
在数学建模中，尤其是国赛、美赛这类竞赛，一个常见的误区是盲目添加变量，使训练集R²很高，但模型复杂且物理意义不清晰，在未知数据上表现很差（过拟合）。
应对策略：
- 领域知识驱动：优先选择有理论或经验支撑的变量。
- 逐步回归：使用
stepwiselm函数进行自动变量选择（需谨慎，可能产生数据窥探偏差）。 - 正则化：如前所述，使用 Lasso 回归来自动进行特征选择。
- 交叉验证：将数据分成多份，轮流用一部分训练，其余测试，综合评估模型稳定性。
cvpartition和crossval函数可以辅助完成。 - 看调整R²：
fitlm输出的Adjusted R-squared比普通 R² 更能惩罚不必要的变量增加。
4.3 分类变量编码的“暗坑”
MATLAB 的fitlm在处理分类变量时，默认使用虚拟变量编码，并以第一类作为参考基准。这通常没问题，但你必须理解其输出含义。例如，WeekdayCategorical有7类，输出中会出现6个系数，每个系数代表该类与参考类（如周一）的平均租用量差异。
注意：如果你自己手动创建了虚拟变量（例如用
dummyvar函数），然后将其全部放入模型，必须去掉一列以避免完全多重共线性，否则fitlm会因设计矩阵秩亏而自动删除一列，可能导致结果与预期不符。
4.4 非线性拟合不收敛？初始值是关键
使用fit或fitnlm进行非线性拟合时，最常见的错误就是“算法未收敛”或得到明显荒谬的参数。如前所述，提供合理的‘StartPoint’至关重要。此外：
- 可以尝试不同的拟合算法选项，如
‘Robust’（稳健拟合）可以降低异常值影响。 - 对数据进行缩放（归一化或标准化）有时能改善非线性优化的数值稳定性。
- 绘制残差图，看是否还有系统性模式未被模型捕获。
4.5 可视化呈现：让结果自己说话
在论文或报告中，清晰的图表比大段文字更有说服力。
- 使用
plot函数绘制拟合曲线与原始数据散点。 - 使用
coefCI获取系数置信区间，并用errorbar绘制。 - 使用
predint计算预测区间，并在图上用阴影区域表示，能直观展示预测的不确定性。
% 绘制带预测区间的拟合图 x_new = linspace(min(x), max(x), 100)’; [y_pred, y_ci] = predict(mdl_nlm, x_new, ‘Alpha’, 0.05, ‘Prediction’, ‘observation’); % 95%预测区间 figure; plot(x, y, ‘ko’, ‘MarkerFaceColor’, ‘k’); % 原始数据 hold on; plot(x_new, y_pred, ‘b-‘, ‘LineWidth’, 2); % 拟合曲线 fill([x_new; flipud(x_new)], [y_ci(:,1); flipud(y_ci(:,2))], ‘b’, ‘FaceAlpha’, 0.2, ‘EdgeColor’, ‘none’); % 预测区间填充 xlabel(‘自变量’); ylabel(‘因变量’); legend(‘观测数据’, ‘拟合曲线’, ‘95% 预测区间’, ‘Location’, ‘best’); grid on;5. 从回归到更广阔的建模世界
掌握了基础的拟合与回归，你在数学建模的道路上就拥有了坚实的起点。但数据关系的探索远不止于此。当因变量是分类变量（如是否下雨、用户是否流失），你需要转向逻辑回归（fitglmwith binomial）或支持向量机、决策树等分类算法。当你的数据具有时间顺序，就需要考虑时间序列分析（如 ARIMA、状态空间模型）。当变量间关系错综复杂且缺乏先验模型时，机器学习方法（如随机森林、梯度提升树、神经网络）可能成为更强大的工具，MATLAB 的 Deep Learning Toolbox 和 Statistics and Machine Learning Toolbox 提供了丰富的支持。
回归模型的结果也不仅仅是预测。通过分析系数的符号、大小和显著性，我们可以进行统计推断，定量地描述“温度每升高一度，平均租用量增加多少辆”，这为决策提供了科学依据。在数学建模论文中，清晰地呈现你的模型假设、拟合过程、诊断结果和统计结论，比堆砌复杂的算法更重要。
最后，工具只是工具，核心永远是对问题的理解和对数据的洞察。MATLAB 提供了便捷的桥梁，但过桥的方向和目的地，需要你用自己的智慧和领域知识来把握。多动手实践，从简单的线性模型开始，逐步增加复杂度，并养成严谨的模型诊断习惯，你就能在数据中发现的规律，构建出稳健、可信的数学模型。
