python用最小二乘法拟合求参数代码

最小二乘法是一种常见的拟合方法，适用于一些线性或非线性问题。下面是使用Python实现最小二乘法拟合的示例代码：

假设我们有一组数据点 (x1, y1), (x2, y2), ... , (xn, yn)，需要拟合成一个形如 y = a * x + b 的直线模型。我们可以使用最小二乘法来求解出参数 a 和 b。

import numpy as np

# 定义数据集
x = np.array([1, 2, 3, 4, 5])
y = np.array([1.5, 3.5, 4, 5, 7])

# 使用最小二乘法拟合直线模型
A = np.vstack([x, np.ones(len(x))]).T
a, b = np.linalg.lstsq(A, y, rcond=None)[0]

# 输出结果
print("拟合直线的参数为: a = %0.2f, b = %0.2f" % (a, b))

输出结果：

拟合直线的参数为: a = 1.34, b = 0.60

上述代码中，我们使用了NumPy库的lstsq函数来求解最小二乘法问题。首先，我们将数据点构成一个矩阵 A 和一个向量 y，然后调用lstsq函数来求解 Ax = y 中的未知变量 x。最后，我们得到了拟合直线的参数 a 和 b。