python最小二乘法拟合

最小二乘法是一种常见的拟合方法，用于寻找一条曲线或一组曲线参数，使其在给定的数据点上最小化误差平方和。Python中可以使用numpy库中的polyfit函数实现最小二乘法拟合。

具体步骤如下：

1.导入numpy库，并读入数据。

import numpy as np

# 读入数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 6, 8, 10])

2.使用polyfit函数拟合数据，指定拟合的阶数（即多项式的次数）。

# 拟合数据
z = np.polyfit(x, y, 1) # 拟合一次多项式

3.使用poly1d函数生成拟合的多项式函数。

# 生成拟合的多项式函数
p = np.poly1d(z)

4.使用plot函数绘制数据点和拟合的曲线。

import matplotlib.pyplot as plt

# 绘制数据点和拟合的曲线
plt.scatter(x, y)
plt.plot(x, p(x), color='red')
plt.show()

完整代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 读入数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 6, 8, 10])

# 拟合数据
z = np.polyfit(x, y, 1) # 拟合一次多项式

# 生成拟合的多项式函数
p = np.poly1d(z)

# 绘制数据点和拟合的曲线
plt.scatter(x, y)
plt.plot(x, p(x), color='red')
plt.show()

运行结果如下图所示：