python线性拟合参数估计

线性拟合是通过拟合一条直线来描述两个变量之间的关系，常用的方法是最小二乘法。在Python中，可以使用Scikit-learn库或者Numpy库来实现线性拟合参数的估计。

首先，导入相关库：

import numpy as np
from sklearn.linear_model import LinearRegression

然后，准备数据，假设有两个变量X和Y：

X = np.array([1, 2, 3, 4, 5])  # 自变量
Y = np.array([2, 4, 5, 4, 5])  # 因变量

接下来，创建一个LinearRegression对象，并用X和Y训练模型：

reg = LinearRegression().fit(X.reshape(-1, 1), Y)

最后，可以通过coef_和intercept_属性获取拟合的参数估计值：

slope = reg.coef_[0  # 斜率
intercept = reg.intercept_  # 截距

这样，你就可以得到线性拟合的参数估计值。