如何拟合y=a*x1+b*x2

你可以使用线性回归模型来拟合这个方程。线性回归模型假设因变量 y 与自变量 x1 和 x2 之间是线性关系。你可以使用最小二乘法来估计模型的参数 a 和 b。

首先，你需要收集一些包含已知 y、x1 和 x2 值的数据。然后，你可以使用这些数据来拟合线性回归模型。

在 Python 中，你可以使用 scikit-learn 库来实现线性回归。以下是一个示例代码：

from sklearn.linear_model import LinearRegression

# 定义输入和输出数据
X = [[x1, x2] for x1, x2 in zip(x1_values, x2_values)]
y = y_values

# 创建线性回归模型对象
model = LinearRegression()

# 拟合模型
model.fit(X, y)

# 获取模型参数
a = model.coef_[0]
b = model.coef_[1]

# 打印参数
print("a =", a)
print("b =", b)

通过拟合线性回归模型，你可以得到参数 a 和 b 的估计值，它们可以用于拟合方程 y = a*x1 + b*x2。