一元线性最小二乘法python

一元线性最小二乘法是一种常见的回归分析方法，可以用于拟合一条直线来描述两个变量之间的关系。在Python中，可以使用numpy库中的polyfit函数来实现一元线性最小二乘法。

具体步骤如下：

1. 导入numpy库

import numpy as np

2. 准备数据

假设我们有两个变量x和y，它们之间存在一定的线性关系。我们可以将它们存储在两个numpy数组中。

x = np.array([1, 2, 3, 4, 5])
y = np.array([2.1, 3.9, 6.2, 8.1, 10.1])

3. 使用polyfit函数拟合直线

coefficients = np.polyfit(x, y, 1)

其中，第一个参数x是自变量，第二个参数y是因变量，第三个参数1表示拟合一次直线。

4. 输出拟合结果

print('斜率：', coefficients[0])
print('截距：', coefficients[1])

完整代码如下：

import numpy as np

x = np.array([1, 2, 3, 4, 5])
y = np.array([2.1, 3.9, 6.2, 8.1, 10.1])

coefficients = np.polyfit(x, y, 1)

print('斜率：', coefficients[0])
print('截距：', coefficients[1])

输出结果为：

斜率： 1.98
截距： 0.0600000000000005