最小二乘拟合中样本个数的影响最近在做曲线拟合预测,请问最小二乘法拟合时,是不是样本个数越多,拟合预测效果越好?

m=[99,139,199,299]';
n=[0.35,0.25,0.2,0.15]';
%拟合n=ae^(bm)模型
s = fitoptions('Method','nonlinearLeastSquares',...
'Lower',[0.4,-1e-2],...
'Upper',[1.2,-1e-8] ,...
'startpoint',[0.5 -0.0001]);
f = fittype('a*exp(b*x)','options',s);
[c2,gof2] = fit(m,n,f)
plot(m,n,'o'); hold on
plot(c2);

观测向量很简单,就是你采样得到的数据啊,也就是统计里常说的“样本”的值
至于设定参数和设计矩阵,就没有听说过了,最小二乘一般有两种,一种是有限个参数的静态最小二乘,这不需要什么参数,直接通过偏导数就可以得到一个系数矩阵,直接就出来了
还有一种是样本连续采集的递归最小二乘,需要一个初始矩阵,两个都没有提及所谓的“设计矩阵”和“参数”问题

严格的来说,二次多项式拟合不是最小二乘拟合.
lsqnonlin()、lsqcurvefit()是最小二乘拟合