请给出最小平方二乘法的Python伪代码

最小二乘法是一种常用的统计学优化方法，用于拟合数据点到最佳直线或曲线。以下是使用Python编写的最小二乘法的简单伪代码：

# 定义函数，输入是数据点的坐标(x, y)，以及拟合模型的参数(p1, p0)
def least_squares_fit(points, p1, p0):
    # 初始化误差总和和迭代次数
    error_sum = 0
    for point in points:
        x, y = point
        predicted_y = p1 * x + p0  # 预测值
        error_sum += (predicted_y - y) ** 2  # 更新误差
    return error_sum / len(points), error_sum

# 主程序部分
data_points = [(x1, y1), (x2, y2), ..., (xn, yn)]  # 数据集
best_params = None
best_error = float('inf')  # 初始假设误差很大
for i in range(possible_values_for_p1):  # 循环遍历可能的p1值
    for j in possible_values_for_p0:  # 对于每个p1，再循环遍历可能的p0值
        current_error, _ = least_squares_fit(data_points, i, j)
        if current_error < best_error:
            best_params = (i, j)
            best_error = current_error

print("最优参数:", best_params)