matlab三个自变量拟合函数
在MATLAB中，可以使用polyfit函数进行三个自变量的拟合。该函数的语法为：
p = polyfitn(X, Y, n)
其中，X是一个n-by-3矩阵，包含三个自变量的数据；Y是一个n-by-1向量，包含因变量的数据；n是多项式拟合的次数。
例如，假设有以下数据：
x1 = [1; 2; 3; 4; 5];
x2 = [0.1; 0.2; 0.3; 0.4; 0.5];
x3 = [10; 20; 30; 40; 50];
y = [1.2; 3.4; 5.6; 7.8; 9.0];
则可以将三个自变量合并成一个矩阵X，并调用polyfitn函数进行拟合：
X = [x1, x2, x3];
p = polyfitn(X, y, 2);
这里将多项式拟合的次数设置为2。拟合结果存储在p中。
如果需要对新的自变量进行预测，则可以使用polyvaln函数。该函数的语法为：
y_pred = polyvaln(p, X_new)
其中，p是polyfitn函数返回的拟合参数；X_new是一个m-by-3矩阵，包含新的自变量数据；y_pred是一个m-by-1向量，包含预测结果。
例如，假设有以下新的自变量数据：
x1_new = [6; 7; 8];
x2_new = [0.6; 0.7; 0.8];
x3_new = [60; 70; 80];
matlab拟合数据
则可以将三个自变量合并成一个矩阵X_new，并调用polyvaln函数进行预测：
X_new = [x1_new, x2_new, x3_new];
y_pred = polyvaln(p, X_new);
这里得到的y_pred即为对新的自变量数据的预测结果。
需要注意的是，polyfitn和polyvaln函数都需要使用MATLAB中的Statistics and Machine Learning Toolbox。如果没有该工具箱，则无法使用这两个函数。