python非线性最小二乘拟合

在 Python 中，可以使用 SciPy 库中的 optimize 模块来进行非线性最小二乘拟合。具体步骤如下：

1. 导入所需的库：

import numpy as np
from scipy.optimize import curve_fit

2. 定义被拟合的函数：

def func(x, a, b, c):
    return a * np.exp(-b * x) + c

这里的 func 函数是一个带有三个参数的指数函数。

3. 生成模拟数据：

xdata = np.linspace(0, 4, 50)
y = func(xdata, 2.5, 1.3, 0.5)
ydata = y + 0.2 * np.random.normal(size=len(xdata))

这里的 xdata 是在 [0, 4] 区间内均匀分布的 50 个数据点，y 是根据 func 函数计算得到的理论值，ydata 是在理论值的基础上加上一些随机噪声得到的实际值。

4. 调用 curve_fit 函数进行拟合：

popt, pcov = curve_fit(func, xdata, ydata)

这里的 popt 是一个包含三个拟合参数的数组，pcov 是协方差矩阵。

5. 绘制拟合结果：

import matplotlib.pyplot as plt

plt.plot(xdata, ydata, 'b-', label='data')
plt.plot(xdata, func(xdata, *popt), 'r-', label='fit')
plt.legend()
plt.show()

这里使用 matplotlib 库来绘制拟合结果，其中 `func(xdata, *popt)` 表示用拟合得到的参数 popt 对函数进行计算得到的拟合曲线。