我在Matlab r2010b中使用Surface拟合工具箱来曲线拟合3维数据。 该工具是非常有用且易于通过GUI进行三维曲线拟合的工具。 到现在为止，我处理的是三维数据; （X输入：x（n x 1向量）， Y输入：y（n x 1向量），和 Z输出：z（n x n矩阵））
但是现在，我尝试处理4维数据; （X输入：x（n x 1向量）， Y输入：y（n x 1向量）， Z输入：z（n x 1向量）和 T输出：t（n x n x n矩阵））。
我无法通过曲面拟合工具箱实现这一点。 如何使用4维数据进行曲线拟合？
欢迎任何帮助。
答案 0 :(得分：1)
我可以为您指出各种不同的4d曲线拟合算法。正确选择方法取决于您可获得的有关变量之间关系的信息。
如果您知道变量之间存在线性关系，那么最好选择使用统计工具箱中的“回归”命令。
如果您知道使用已知的非线性关系最好地描述变量之间的关系，那么您应该查看“nlinfit”。
如果您无法指定描述变量之间关系的模型，那么最佳选择是使用增强型或袋装决策树。
我附上了一个非常简单的例子，展示了如何使用回归将平面拟合到一组数据点。
X = 10 * rand(100,1);
Y = 10 * randn(100,1);
Z = 10 * randn(100,1);
t = 50 + 2*X + 3*Y + 4*Z;
b = regress(t, [ones(length(t),1), X, Y, Z])