python怎么拟合非线性函数

在Python中，我们可以使用多种库来拟合非线性函数，其中最常用的是`scipy.optimize`和`sklearn`。以下是两种常见的方法：

1. **scipy.optimize.curve_fit()**：这是`scipy`库中的函数，它基于最小二乘法对数据进行非线性拟合。例如，如果你有数据点想拟合到一个多项式、指数或其他复杂的函数形式，可以这样做：

from scipy.optimize import curve_fit
import numpy as np

# 假设我们有一个数据集x_data和y_data
def func(x, a, b, c):  # 定义你要拟合的函数
    return a * np.exp(-b * x) + c

params, _ = curve_fit(func, x_data, y_data)  # 参数估计
fitted_func = lambda x: func(x, *params)  # 拟合后的函数

2. **sklearn.preprocessing.PolynomialFeatures和LinearRegression**：如果你想要拟合线性组合的多项式，可以使用`PolynomialFeatures`将输入特征转换成更高次的多项式，然后用`LinearRegression`进行拟合：

from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression

poly_features = PolynomialFeatures(degree=2)  # 高次多项式的度数
X_poly = poly_features.fit_transform(X)

model = LinearRegression()
model.fit(X_poly, y)
predicted_y = model.predict(X_poly)