在应用领域，人们常常面对一个解析函数描绘数据的问题，处理这个问题的办法有插值和拟合两种。在插值办法中，假定给定的数据是正确的，要求以某种办法估算出函数其他数据点；在拟合办法中，要求找出某条润滑曲线最佳地拟合给定的数据，但不必经过给定的数据点。插值和拟合都是依据一些已知的数据来结构不知道数据，所不同的是，拟合要找出一个曲线方程式，而插值只需求得插值点数据即可。
曲线拟合的实质是求解超定方程组，因而存在多种不同办法界说的最佳拟合，并存在无量多种或许的曲线解。由此引出怎么解说最佳拟合、怎么挑选最佳曲线的问题。在数学上，常常把最佳拟合解说为数据点差错平方和最小，并且所用的曲线限定为多项式，称多项式的最小二乘拟合。
曲线拟合节点坐落函数选板的“数学→拟合”，如图所示。
如表具体列出了曲线拟合子选板中函数和Ⅵ节点的图标、接线端、称号和功用，其间常见输入参数含义如下。
Y：输入的应变量序列，巨细不小于2。
X：输入的自变量序列，和Y巨细相同。
Weight：对应的权重序列。
tolerance：计算精度，默以为0.0001。
method：拟合办法，0表明平方，1表明绝对值，2表明4次方。
如图 拟合子选板
如表 拟合子选板节点
