python 最小二乘法拟合曲线

中的最小二乘法是一种常用的回归分析方法，用于拟合数据点的直线或曲线。最小二乘法的目标是找到一条直线或曲线，使得所有数据点到该直线或曲线的距离之和最小。在Python中，可以使用scipy库中的linregress函数来计算数据点的斜率、截距、相关系数、标准误差等信息，从而实现最小二乘法拟合曲线的功能。

下面是一个使用Python进行最小二乘法拟合曲线的示例代码：

import numpy as np
from scipy.stats import linregress
import matplotlib.pyplot as plt

# 生成随机数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([2.1, 3.9, 6.2, 8.1, 10.1])

# 计算斜率、截距、相关系数、标准误差
slope, intercept, r_value, p_value, std_err = linregress(x, y)

# 绘制原始数据和拟合曲线
plt.plot(x, y, 'o', label='original data')
plt.plot(x, intercept + slope*x, 'r', label='fitted line')
plt.legend()
plt.show()

该代码生成了一组随机数据，并使用linregress函数计算出数据点的斜率、截距、相关系数、标准误差等信息。最后，使用matplotlib库绘制出原始数据和拟合曲线的图像。