理解：对于给出的一些点集，拟合出一个函数使得点到函数图象的距离和最小，即拟合的函数最贴近点集代表的函数。
1.线性拟合
曲线拟合问题最常用的解法——线性最小二乘法的基本思想
举出例子：
已知热敏电阻数据：
温度（t）:20.5 32.7 51.0 73.0 95.7
电阻（r）:765 826 873 942 1032
首先，我们可以在matlab中对这些点集作图来找出t与r的线性关系：

%% 通过点集找出线性关系
Date=[20.5  32.7  51.0  73.0   95.7
      765   826   873   942    1032
    ];
t=Date(1,:);t=t(:) %拿出第一行的数据并转置
r=Date(1,:);r=r(:) %拿出第二行的数据并转置 如图

plot(t,r,'b+'); %作出点集的图

得到r与t的线性关系;r=at+b 下面进行拟合

%% 拟合
t0=15:0.1:100;
A=[t ones(size(t))]; %此处用的是线性最小二乘法思想
D=(A'*A)^(-1)*A'*r; %此处看不懂的可以先了解线性最小二乘法的基本思想
a=D(1)
b=D(2)
r0=a*t0+b;
plot(t0,r0,'r');

通过拟合，可以在图象上查看再其它温度时，电阻的近似值。