在python中作二元回归要求算出拟合优度值，并写出函数形式

在Python中进行二元回归，可以使用`numpy`和`scipy`库中的函数实现。其中，`numpy.polyfit`函数可以用来拟合二元数据，而`scipy.stats.linregress`函数可以用来计算拟合优度值。

具体的实现过程如下：

import numpy as np
from scipy.stats import linregress

# 生成随机数据
x = np.random.rand(100)
y = 2 * x + np.random.randn(100) * 0.1

# 二元回归拟合
coefficients = np.polyfit(x, y, 1)
p = np.poly1d(coefficients)

# 计算拟合优度值
slope, intercept, r_value, p_value, std_err = linregress(x, y)
r_squared = r_value ** 2

print('拟合函数：', p)
print('拟合优度值：', r_squared)

其中，`np.polyfit(x, y, 1)`函数将二元数据拟合成一次函数，返回系数数组`coefficients`，可以通过`np.poly1d(coefficients)`创建一个一次函数对象`p`。`linregress(x, y)`函数返回回归线的斜率、截距、相关系数、p值和标准误差等信息，可以通过计算相关系数的平方得到拟合优度值。