最小二乘法拟合曲线x=[1, 2, 3, 4, 5, 6, 7, 8, 9, 10] y=[1.2, 3, 4, 4, 5, 4.7, 5, 5.2, 6, 7.2]过程

使用最小二乘法拟合曲线的过程如下：

1. 确定拟合函数的形式，例如可以选择线性函数、二次函数等等。

2. 根据选择的拟合函数，构造代表模型的参数向量，并设定初值。

3. 利用最小二乘法公式计算参数向量的最优解，使得拟合函数与实际数据的误差最小化。

对于本题中的数据，我们可以选择线性函数进行拟合。线性函数表达式为 y = ax + b，代表模型的参数向量为 [a, b]，初值可以设为 [0, 0]。

根据最小二乘法公式，最优解可以用矩阵运算求得：

X = [[1, 1], [1, 2], [1, 3], [1, 4], [1, 5], [1, 6], [1, 7], [1, 8], [1, 9], [1, 10]]
Y = [1.2, 3, 4, 4, 5, 4.7, 5, 5.2, 6, 7.2]
XTX = np.dot(np.transpose(X), X)
XTX_inv = np.linalg.inv(XTX)
XTY = np.dot(np.transpose(X), Y)
a, b = np.dot(XTX_inv, XTY)

最终得到的拟合函数表达式为 y = 0.645 x + 1.367。