js 最小二乘法代码实现

最小二乘法在JavaScript中主要用于拟合线性模型，找到一组数据点的最佳直线拟合。下面是一个简单的线性回归（一次方程）最小二乘法实现示例：

function linearRegression(x, y) {
    // 计算均值
    const meanX = x.reduce((a, b) => a + b, 0) / x.length;
    const meanY = y.reduce((a, b) => a + b, 0) / y.length;

    // 计算斜率和截距
    let slope = 0, intercept = 0;
    const numerator = x.map(xi => (xi - meanX) * (y[i] - meanY)).reduce((sum, val) => sum + val, 0);
    const denominator = x.map(xi => Math.pow(xi - meanX, 2)).reduce((sum, val) => sum + val, 0);

    if (denominator !== 0) {
        slope = numerator / denominator;
        intercept = meanY - slope * meanX;
    }

    return { slope, intercept };
}

// 使用示例
const data = [[1, 1], [2, 3], [3, 5], [4, 7]];
const [slope, intercept] = linearRegression(data.map(([x]) => x), data.map(([y]) => y));
console.log(`Slope: ${slope}, Intercept: ${intercept}`);

这个函数接受输入的一组二维数组（每个元素表示一个数据点，包含x坐标和y坐标），然后计算出最佳的斜率和截距，即最小化所有数据点到直线距离平方的总和。