1、多項式擬合
例如：有兩組資料為x=［1 2 3 4 5 6 7 8 9］；y=［9 7 6 3 -1 2 5 7 20］；寫出x與y的表示式；
clear
clc
x=［1 2 3 4 5 6 7 8 9］；
y=［9 7 6 3 -1 2 5 7 20］；
P=polyfit（x，y，3）；
xi=0：2：10；
yi=polyval（P，xi）；
plot（xi，yi，x，y，‘r*’）；
註釋：polyfit（x，y，N），x、y為原始資料，N為擬合最高次冪，
polyval（P，xi），P為各項的係數，結果展示為：
P 0.148
-1.403
1.8536
8.2698
故多項式的結果為：
2、工具箱擬合
開啟工具→基本擬合，選定擬合的方式。
x=［1 2 3 4 5 6 7 8 9］；
y=［9 7 6 3 -1 2 5 7 20］；
plot（x，y，‘r*’）；
得出結果如下：
3、自定義擬合函式
例如：要擬合數據x=［0；0。4；1。2；2；2。8；3。6；4。4；5。2；6；7。2；8；9。2；10。4；11。6；12。4；13。6；14。4；15］；
y=［1；0。85；0。29；-0。27；-0。53；-0。4；-0。12；0。17；0。28；0。15；-0。03；-0。15；-0。071；0。059；0。08；0。032；-0。015；-0。02］；
clear
clc
syms t
x=［0；0。4；1。2；2；2。8；3。6；4。4；5。2；6；7。2；8；9。2；10。4；11。6；12。4；13。6；14。4；15］；
y=［1；0。85；0。29；-0。27；-0。53；-0。4；-0。12；0。17；0。28；0。15；-0。03；-0。15；-0。071；0。059；0。08；0。032；-0。015；-0。02］；
f=fittype（‘a*cos（k*t）*exp（w*t）’，‘independent’，‘t’，‘coefficients’，{‘a’，‘k’，‘w’}）；
cfun=fit（x，y，f）
xi=0：1：20；
yi=cfun（xi）；
plot（x，y，‘r*’，xi，yi，‘b-’）；
結果：
cfun =
General model：
cfun（t） = a*cos（k*t）*exp（w*t）
Coefficients （with 95% confidence bounds）：
a = 0。9987 （0。9836， 1。014）
k = -1。001 （-1。006， -0。9958）
w = -0。2066 （-0。2131， -0。2002）
註釋：fittype是自定義擬合函式，cfun=fit（x，y，f）擬合數據x、y，x、y必須為列向量。
故結果為：
