拟合已知公式的函数求参数的代码

以下是一个使用最小二乘法拟合二次函数 y = ax^2 + bx + c 的Python代码示例：

import numpy as np
from scipy.optimize import leastsq

# 定义二次函数模型
def quadratic_func(params, x):
    a, b, c = params
    return a * x ** 2 + b * x + c

# 定义误差函数，即拟合数据点与模型之间的误差平方和
def residual(params, x, y):
    return y - quadratic_func(params, x)

# 生成模拟数据
x = np.linspace(-10, 10, 21)
y = 2 * x ** 2 + 3 * x + 1 + np.random.normal(0, 1, x.shape)

# 初始参数值
params0 = [1, 1, 1]

# 使用最小二乘法拟合二次函数模型
result = leastsq(residual, params0, args=(x, y))

# 输出拟合结果
print("拟合参数：", result[0])

在这个示例中，我们首先定义了二次函数模型 quadratic_func，它接受一个长度为3的参数列表和一个自变量x，返回模型的函数值。然后我们定义了误差函数 residual，它接受一个长度为3的参数列表、自变量x和因变量y，返回拟合数据点与模型之间的误差。接着我们生成了21个模拟数据点，带有一定的高斯噪声。最后，我们使用最小二乘法函数 leastsq 来拟合二次函数模型，得到拟合参数。

需要注意的是，这个示例仅仅是为了演示如何使用最小二乘法拟合二次函数模型，实际应用中可能需要根据具体情况进行调整。