python过原点的线性拟合OLS

在Python中进行OLS（Ordinary Least Squares）线性回归可以使用StatsModels库。以下是一个例子：

首先，我们需要创建一些假数据来拟合：

import numpy as np
x = np.array([-3, -2, -1, 0, 1, 2, 3])
y = np.array([-9, -4, -1, 0, 1, 4, 9])

接下来，我们需要添加一列常数，以便模型可以捕获截距：

X = np.column_stack((x, np.ones_like(x)))

然后，我们可以使用StatsModels中的OLS类拟合模型：

import statsmodels.api as sm
model = sm.OLS(y, X)
results = model.fit()

最后，我们可以查看拟合结果：

print(results.summary())

这将输出拟合模型的详细摘要，包括拟合系数和拟合优度等信息。

如果要绘制原始数据和拟合线，可以使用以下代码：

import matplotlib.pyplot as plt
plt.scatter(x, y)
plt.plot(x, results.predict(), color='red')
plt.show()

这将显示原始数据点和拟合的直线。