搜索资料，给出最小二乘法拟合直线的程序

最小二乘法是一种统计学方法，用于通过找到一条直线，使得所有数据点到该直线的距离平方和最小，来进行线性回归。在Python中，我们可以使用numpy库轻松实现这个过程。下面是一个简单的例子：

import numpy as np

def linear_regression(x, y):
    # 计算均值
    x_mean = np.mean(x)
    y_mean = np.mean(y)

    # 计算斜率和截距
    numerator = np.sum((x - x_mean) * (y - y_mean))
    denominator = np.sum((x - slope * x_mean

    return slope, intercept

# 示例数据
x_data = [1, 2, 3, 4, 5]
y_data = [2, 3, 4, 5, 6]

slope, intercept = linear_regression(x_data, y_data)
print("直线方程为: y = {:.2f}x + {:.2f}".format(slope, intercept))

# 现在可以将这条直线应用到新的数据上
new_x = 6
predicted_y = slope * new_x + intercept
print("对于x = {} 的预测值为: {:.2f}".format(new_x, predicted_y))