当谈到非线性回归模型的时候，同学们应该紧密的将线性回归紧密结合在一起，因为非线性回归很容易过拟合。那我们从一个案例谈一下非线性

拿到题目看到一个变量x一个y，非线性问题步骤应该是这样子的：

• 画出散点图
• 根据散点图确定须配曲线的类型；
• 估计其中的未知参数

散点图

>> x=2:16;
y=[6.42 8.20 9.58 9.5 9.7 10 9.93 9.99 10.49 10.59 10.60 10.80 10.60 10.90 10.76];
beta0=[8 2]';
>> plot(x,y,'k+')

配曲线

一共有六类曲线可以配一下



其实大家看这六张图有几张图会很眼熟，比如狐狸–兔子模型，人口模型都是属于机理分析可以配成上面几张图的。配图也是看着像配那个，美其名曰，六种备胎任你选，喜欢谁用谁！
最后选用了倒指数模型，代码如下

在volum.m写下配的函数类型：

function yhat=volum(beta,x)
yhat=beta(1)*exp(beta(2)./x);

在主程序选择调用：

beta0=[8 2]';
[beta,r,J]=nlinfit(x',y','volum',beta0);

现在的代码由上至下应该是这样子滴！

x=2:16;
y=[6.42 8.20 9.58 9.5 9.7 10 9.93 9.99 10.49 10.59 10.60 10.80 10.60 10.90 10.76];
beta0=[8 2]';
% plot(x,y,'k+')
[beta,r,J]=nlinfit(x',y','volum',beta0);

其中nlinfit使用：

总结：nlinfit函数的外部调用，也就是自己写.m文件的时候，要注意beta0是什么，有兴趣的同学，可以任取beta0的值试试看，会发现，大家不用太在意beta0到底取什么值，简而言之，可以慢慢尝试出来！