MatLab逻辑曲线拟合异常：给定函数拟合失效原因咨询

你的拟合失败主要有两个核心问题：

1. 逻辑曲线模型缺少关键参数 #

你使用的模型1/(1+exp(-k*Dose))是简化版逻辑模型，它强制曲线在Dose=0时Response=0.5，但你的数据中Dose=0时Response为0，且曲线中点（Response=0.5对应的Dose）在2.56e4左右，必须使用包含中点剂量参数的完整逻辑模型才能匹配数据分布：

ft = fittype( '1/(1+exp(-k*(Dose - x0)))', 'independent', 'Dose', 'dependent', 'Response' );

这个模型里，x0是Response达到0.5时的Dose值，k控制曲线陡峭程度，两个参数才能贴合你的数据趋势。

2. 初始参数设置不合理 #

你设置的StartPoint = 0.0755269568571602完全不匹配当前数据量级：Dose是1e4级别，k取0.0755的话，k*Dose会达到755以上，exp(-k*Dose)趋近于0，模型输出几乎全为1，和实际数据偏差极大，导致拟合算法无法收敛到正确值。

针对双参数模型，建议设置合理初始值：

• x0取Response接近0.5对应的Dose（约2.56e4）；
• k取较小值（比如1e-4，确保k*Dose落在exp函数有效区间内）。

修改后的参数设置代码：

opts.StartPoint = [1e-4, 2.56e4]; % 对应k和x0的初始值

完整修正后的代码 #

function [fitresult, gof] = createFit1(Dose, Response)
%CREATEFIT1(DOSE,RESPONSE)
%  Create a fit.
%
%  Data for 'untitled fit 1' fit:
%      X Input : Dose
%      Y Output: Response
%  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 08-Sep-2022 20:16:26


%% Fit: 'untitled fit 1'.

Dose = [1.6*10^4;1.84*10^4;2.08*10^4;2.32*10^4; 2.56*10^4;2.8*10^4;3.04*10^4;3.28*10^4;3.52*10^4;3.76*10^4;4*10^4;4.24*10^4];
Response = [0;0.1004;0.2830;0.4338;0.5638;0.6834;0.8030;0.8680;0.9294;0.9614;0.9978;1];
[xData, yData] = prepareCurveData( Dose, Response );

% Set up fittype and options.
ft = fittype( '1/(1+exp(-k*(Dose - x0)))', 'independent', 'Dose', 'dependent', 'Response' );
opts = fitoptions( 'Method', 'NonlinearLeastSquares' );
opts.Display = 'Off';
opts.StartPoint = [1e-4, 2.56e4]; % 修正初始参数

% Fit model to data.
[fitresult, gof] = fit( xData, yData, ft, opts );

% Plot fit with data.
figure( 'Name', 'untitled fit 1' );
h = plot( fitresult, xData, yData );
legend( h, 'Response vs. Dose', 'untitled fit 1', 'Location', 'NorthEast', 'Interpreter', 'none' );
% Label axes
xlabel( 'Dose', 'Interpreter', 'none' );
ylabel( 'Response', 'Interpreter', 'none' );
grid on
end

额外说明 #

运行修正后的代码后，会得到与数据匹配度极高的S型拟合曲线。如果需要更精准的初始值，可先通过数据大致估算：比如找Response=0.5对应的Dose作为x0，再根据曲线陡峭程度调整k的量级。

内容的提问来源于stack exchange，提问作者user19953929