示例：乘方回归
使用
genfit 和
pwrfit 函数将数据拟合到幂曲线模型。
使用 genfit 函数
1. 定义数据集。
2. 定义拟合函数，其中 A 和 b 未知。
3. 定义函数矢量。
这里使用函数
ln0 来代替
ln，因为它可以近似计算在 0 处的值，这在最小化误差的同时调整参数值是必要的。用
ln 代替
ln0 会导致
genfit 收敛失败。
4. 定义估值的矢量。
5. 使用 genfit 来求幂函数的系数。
6. 使用系数 A 和 b 来定义函数。
7. 绘制数据点和拟合函数。
使用 pwrfit 函数
1. 定义拟合函数，其中 a、b 和 c 未知。
2. 定义估值的矢量。
3. 使用 pwrfit 来求幂函数的系数。
4. 使用系数 a、b 和 c. 来定义函数
5. 绘制数据点和拟合函数。
检查拟合度
1. 使用残差图来检查模型与数据的拟合度。
◦ 最大残差值为：
◦ 最小残差值为：
该拟合似乎优于残差图可能显示的情况。
对于大规模存在的数据，特别是随不断增大的 X 值迅速变化的幂数据或指数数据，残差图不一定为确定拟合度的最佳工具。
加权 genfit
使用本地函数来修改根据其他参数代入的 genfit 函数的矢量。
1. 根据数据的标准差来定义加权数据函数。
使用参数的矢量输入形式，允许加权函数可简单用于具有任意参数个数的其它类型的拟合函数。
2. 编写一个根据其标准差返回数据 genfit 的程序。
3. 定义标准差的矢量。
4. 倾斜数据集中的其中一个数据点。
5. 调用程序并将矢量的标准差和估值代入其中。
6. 调用不带有权重的 genfit 函数：
7. 绘制数据及两个拟合函数的图像，并加以比较。
基于标准差的函数可以提供更好的拟合。
