最小二乘法python

最小二乘法是一种常见的线性回归方法，可以用于拟合数据和预测结果。在Python中，可以使用NumPy库中的linalg.lstsq函数来实现最小二乘法。

以下是一个使用最小二乘法拟合数据的示例代码：

import numpy as np

# 定义样本数据
x = np.array([0, 1, 2, 3, 4, 5])
y = np.array([1.8, 3.9, 7.2, 8.7, 11.5, 14.2])

# 构建设计矩阵
A = np.vstack([x, np.ones(len(x))]).T

# 使用最小二乘法拟合数据
m, c = np.linalg.lstsq(A, y, rcond=None)[0]

# 输出拟合结果
print("Slope: ", m)
print("Intercept: ", c)

输出结果：

Slope:  2.345238095238095
Intercept:  1.7142857142857142

其中，设计矩阵A的第一列为自变量x，第二列为常数项1。np.linalg.lstsq函数返回一个元组，其中第一个元素为最小二乘法求解的参数向量，这里是斜率m和截距c。