python最小二乘拟合曲线

Python中可以使用SciPy库中的`curve_fit`函数进行最小二乘拟合曲线。

下面是一个简单的例子，假设我们有一组数据点`(x,y)`，我们想要拟合一条直线来表示这些数据。我们可以按照以下步骤进行：

import numpy as np
from scipy.optimize import curve_fit

# 定义拟合函数
def linear_func(x, a, b):
    return a * x + b

# 定义数据
x_data = np.array([1.0, 2.0, 3.0, 4.0, 5.0])
y_data = np.array([2.0, 3.5, 5.2, 6.8, 8.5])

# 进行最小二乘拟合
popt, pcov = curve_fit(linear_func, x_data, y_data)

# 输出拟合参数
print('a =', popt[0], 'b =', popt[1])

# 绘制拟合曲线
import matplotlib.pyplot as plt

plt.scatter(x_data, y_data)
plt.plot(x_data, linear_func(x_data, *popt), color='red')
plt.show()

在上面的代码中，我们首先定义了一个拟合函数`linear_func`，它是一个一次函数，即直线。然后我们定义了一组数据点`(x_data, y_data)`，接着使用`curve_fit`函数进行最小二乘拟合，得到拟合参数`popt`和协方差矩阵`pcov`。最后我们使用Matplotlib库绘制出原始数据点和拟合曲线。