过去已经回答了类似的问题，但我的部分问题没有得到回答（Matlab曲线拟合工具，cftool，生成代码函数不给出相同的拟合）。
我有一组数据点，旨在显示我正在研究的机制的“理想”曲线。
当我要求 Matlab 中的曲线拟合工具箱找到一个 2 项指数时，我得到了一个很好的拟合（R 平方：0.9998，调整后的 R 平方：0.9997）。但是，当我为此拟合生成代码时，它会更改系数 a、b、c 和 d。
在工具箱中，它显示：
通用型号 Exp2：
f(x) = a*exp(b*x) + c*exp(d*x)系数（95% 的置信区间）：
a = 4.698e+04 (-1.477e+13, 1.477e+13) b = 0.4381 (-1200, 1201) c = -4.698e+04 (-1.477e+13, 1.477e+13) d = 0.4381 (-1200, 1201)合身度：
上证所：0.002979
R平方：0.9998
调整后的 R 平方：0.9997
均方根误差：0.006823
曲线拟合工具箱生成的函数：
function [fitresult, gof] = createFit1(bgSt, testSt)
%CREATEFIT1(BGST,TESTST)
% Create a fit.
%
% Data for 'standard mechanism' fit:
% X Input : bgSt
% Y Output: testSt
% Output:
% fitresult : a fit object representing the fit.
% gof : structure with goodness-of fit info.
%
% See also FIT, CFIT, SFIT.
% Auto-generated by MATLAB on 29-Apr-2015 15:54:07
%% Fit: 'standard mechanism'.
[xData, yData] = prepareCurveData( bgSt, testSt );
% Set up fittype and options.
ft = fittype( 'exp2' );
opts = fitoptions( 'Method', 'NonlinearLeastSquares' );
opts.Display = 'Off';
opts.StartPoint = [0.935605768794225 0.667093185616236 0 0.667093185616236];
% Fit model to data.
[fitresult, gof] = fit( xData, yData, ft, opts );
% Plot fit with data.
figure( 'Name', 'standard mechanism' );
h = plot( fitresult, xData, yData );
legend( h, 'testSt vs. bgSt', 'standard mechanism', 'Location', 'NorthEast' );
% Label axes
xlabel bgSt
ylabel testSt
grid on
请注意，系数完全不同，生成的曲线也是如此。
另请注意，对于曲线拟合工具箱中显示的系数，c = -a 和 d = b，因此对于 x 的任何值，y 都应为零，这很可笑。
但是当我编辑生成的函数以用工具箱中的系数替换函数的系数时，我得到了一个很好的曲线。
编辑代码：
function [fitresult, gof] = standardFit(bgSt, testSt)
%STANDARDFIT(BGST,TESTST)
% Create a fit.
%
% Data for 'standard mechanism' fit:
% X Input : bgSt
% Y Output: testSt
% Output:
% fitresult : a fit object representing the fit.
% gof : structure with goodness-of fit info.
%
% See also FIT, CFIT, SFIT.
% Auto-generated by MATLAB on 29-Apr-2015 15:54:07
%FROM CURVE FITTING TOOLBOX:
%General model Exp2:
% f(x) = a*exp(b*x) + c*exp(d*x)
%Coefficients (with 95% confidence bounds):
% a = 4.698e+04 (-1.477e+13, 1.477e+13)
% b = 0.4381 (-1200, 1201)
% c = -4.698e+04 (-1.477e+13, 1.477e+13)
% d = 0.4381 (-1200, 1201)
%Goodness of fit:
% SSE: 0.002979
% R-square: 0.9998
% Adjusted R-square: 0.9997
% RMSE: 0.006823
%% Fit: 'standard mechanism'.
[xData, yData] = prepareCurveData( bgSt, testSt );
% Set up fittype and options.
ft = fittype( 'exp2' );
opts = fitoptions( 'Method', 'NonlinearLeastSquares' );
opts.Display = 'Off';
opts.StartPoint = [4.698e+04 0.4381 -4.698e+04 0.4381];
% Fit model to data.
[fitresult, gof] = fit( xData, yData, ft, opts );
% Plot fit with data.
figure( 'Name', 'standard mechanism' );
h = plot( fitresult, xData, yData );
legend( h, 'testSt vs. bgSt', 'standard mechanism', 'Location', 'NorthEast' );
% Label axes
xlabel bgSt
ylabel testSt
grid on
我没有足够的声誉来发布曲线的图像，但在工具箱中它看起来很完美，而函数中的那个看起来很糟糕——翻译的方式与链接的海报相同。
这是变量 bgSt：
-2.85 -2.8 -2.75 -2.7 -2.65 -2.6 -2.55 -2.5 -2.45 -2.4 -2.35 -2.3 -2.25 -2.2 -2.15 -2.1 -2.05 -2 -1.95 -1.9 -1.85 -1.8 -1.75 -1.7 -1.65 -1.6 -1.55 -1.5 -1.45 -1.4 -1.35 -1.3 -1.25 -1.2 -1.15 -1.1 -1.05 -1 -0.95 -0.9 -0.85 -0.8 -0.75 -0.7 -0.65 -0.6 -0.55
-0.5 -0.45 -0.4 -0.35 -0.3 -0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
这是变量testSt：
0 0.01 0.01 0.02 0.02 0.02 0.03 0.04 0.04 0.05 0.06 0.06 0.07 0.08 0.08 0.09 0.1 0.11 0.12 0.13 0.14 0.15 0.16 0.17 0.18 0.2 0.21 0.23 0.24 0.26 0.28 0.3 0.31 0.33 0.35 0.37 0.39 0.41 0.43 0.45 0.48 0.5 0.52 0.55 0.57 0.6 0.63 0.66 0.68 0.72 0.74 0.78
0.81 0.85 0.88 0.92 0.96 1 1.04 1.08 1.12 1.17 1.21 1.26 1.3 1.35 1.39 1.44
编辑：我现在有足够的声誉来添加图像。
曲线拟合工具箱生成的图：
自动生成函数生成的图：
