如何在MATLAB中进行数据拟合

在进行评价时，我们常常需要进行问卷调查，并根据专家打分的结果进行下一步的计算。

这时候，我们需要检查一下专家打分结果是否符合离散度要求（一般离散度<0.05），如果专家数据过于离散，势必会对后面的模型产生影响。

最好的方式是计算离散度后，让专家重新调整打分（云模型就是这种方法），但是在实际操作中较为困难。

那么，我们能否对数据进行科学处理，使数据更严谨呢？是否能操作，很大程度上取决于方法是否得当、科学。

这里介绍一种用MATLAB进行数据拟合的方法，供各位参考。PS：MATLAB的表格不太熟练，专家编号是1,2，3,4；评估项的编号是ABCD。

---

表1

专家/评估项	A	B	C	D
1	73	75	63	75
2	71	87	89	80
3	64	76	85	76
4	66	90	63	88

计算每位专家的离散系数

离散系数=标准差/均值

---

表2

专家	离散系数
1	0.06968
2	0.086226
3	0.099168
4	0.160471

从表2看出，4位专家的打分结果都不理想，因此进行拟合，代码如下。

---

clear all
clc
format long g %不以科学计数法出现最终结果
x=1:4;
y1=[0.73 ,0.75 ,0.63 ,0.75];
y2=[0.71 ,0.87 ,0.89 ,0.80];
y3=[0.64 ,0.76 ,0.85 ,0.76];
y4=[0.66 ,0.90 ,0.63 ,0.88];
p1=polyfit(x,y1,2);
p2=polyfit(x,y2,2);
p3=polyfit(x,y3,2);
p4=polyfit(x,y4,2);
xi=1:0.5:4;%这里拟合精度是0.5，如果拟合效果不理想，可继续提高精度
yi1=polyval(p1,xi);
yi2=polyval(p2,xi);
yi3=polyval(p3,xi);
yi4=polyval(p4,xi);
C1=mean(yi1);
C2=mean(yi2);
C3=mean(yi3);
C4=mean(yi4);
std2(yi1);
std2(yi2);
std2(yi3);
std2(yi4);
S1=std(yi1)^2%检查离散度
S2=std(yi2)^2
S3=std(yi3)^2
S4=std(yi4)^2

---

拟合结果如下

S1 =

  0.000588875000000008

S2 =

   0.00439913541666667

S3 =

   0.00477421875000001

S4 =

   0.00177996875000001

---

发现精度为0.5时，拟合结果已经满足要求，直接使用拟合后的均值即可，如未满足就继续提高精度拟合。