Y=kx+b;形式的线性拟合（基于最小二乘法）

方法一：

x=[1,1.5,2,2.5,3]; y=[0.9,1.7,2.2,2.6,3];  

p=polyfit(x,y,1);  

x1=linspace(min(x),max(x));  

y1=polyval(p,x1);  

plot(x,y,'*',x1,y1);   %将两个图画到一块

结果：p =    1.0200   0.0400

即y=1.0200 *x+0.0400

所用函数解释：

Polyfit--调用方法：polyfit(x,y,n)。用多项式求过已知点的表达式，其中x为源数据点对应的横坐标，可为行向量、矩阵，y为源数据点对应的纵坐标，可为行向量、矩阵，n为你要拟合的阶数，一阶直线拟合，二阶抛物线拟合，并非阶次越高越好，看拟合情况而定。

polyfit 做出来的值从左到右表示从高次到低次的多项式系数，给出系数的个数是n+1。

方法二：

x=[1;1.5;2;2.5;3];y=[0.9;1.7;2.2;2.6;3];  

p=fittype('poly1')  

f=fit(x,y,p)  

plot(f,x,y);  

输出结果

p =  

    Linear model Poly1:  

    p(p1,p2,x) = p1*x +p2  

f =  

    Linear model Poly1:  

    f(x) = p1*x + p2  

    Coefficients (with 95%confidence bounds):  

      p1 =        1.02 (0.7192, 1.321)  

      p2 =        0.04 (-0.5981, 0.6781)