可以画图的最小二乘法python代码

在Python中，我们可以使用matplotlib库来配合最小二乘法进行数据拟合并绘制图表。下面是一个简单的例子，展示如何通过最小二乘法拟合线性回归模型，并绘制直线：

import numpy as np
import matplotlib.pyplot as plt

# 假设我们有数据点 (x, y)
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 3, 4, 5, 6])  # 线性关系的数据，比如y = x + 1

# 创建一个线性模型，拟合数据
def linear_regression(x, y):
    m = ((np.mean(x) * np.mean(y)) - np.mean(x*y)) / (np.mean(x)**2 - np.mean(x**2))
    b = np.mean(y) - m * np.mean(x)
    return m, b

m, b = linear_regression(x, y)

# 使用拟合后的斜率和截距画出拟合直线
line_x = np.linspace(min(x), max(x), 100)
line_y = m * line_x + b

plt.figure()
plt.scatter(x, y, color='blue', label='Data Points')
plt.plot(line_x, line_y, color='red', label=f'Fitted Line (slope={m:.2f}, intercept={b:.2f})')
plt.legend()
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Linear Regression with Least Squares Method')
plt.show()