确定多项式拟合的最佳阶次通常需要进行实际数据分析和模型评估。一般来说，可以通过计算不同阶次的多项式拟合模型的拟合优度R²值来评估其拟合效果，选择R²值最高的阶次作为最佳阶次。另外，也可以使用交叉验证等方法来验证模型的泛化能力，从而确定最佳阶次。然而，需要注意的是，并不是拟合效果越好越好，过高阶次的多项式容易产生过拟合现象，因此需要在精确度和简化度之间进行权衡，选择适合的最佳阶次。
方法一、用数据拟合工具箱 Curve Fitting Tool左侧results为拟合结果，下方表格为误差等统计数据。2、导入数据，点击next，导入Inputs为x，Targets为y。神经网络工具箱可以用command写，请搜索关键字matlab 神经网络工具箱函数。方法三、用polyfit函数写 polyfit函数是matlab中用于进行曲线拟合的一个函数。其数学基础是最小二乘法曲线拟合原理。曲线拟合：已知离散点上的数据集，即已知在点集上的函数值，构造一个解析函数（其图形为一曲线）使在原离散点上尽可能接近给定的值。 调用方法：a=polyfit(xdata,ydata,n)， 其中n表示多项式的最高阶数，xdata，ydata为将要拟合的数据，它是用数组的方式输入。输出参数a为拟合多项式 y=a1x^n+...+anx+a,共n+1个系数。方法四、自行写算法做拟合 请参考数值分析教科书，拟合、插值方法较多，算法并不复杂，灵活套用循环即可
