最优拟合直线Python

在Python中，最优拟合直线通常是指最小二乘法用于线性回归的情况。最小二乘法是一种统计学方法，它寻找数据点到预测函数上距离平方和最小的直线。下面是一个简单的例子，展示如何使用`numpy`库和`matplotlib`库来找到数据集的最佳拟合直线：

import numpy as np
import matplotlib.pyplot as plt

# 假设我们有如下一组数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 3, 4, 5, 6])

# 计算最佳拟合斜率和截距
m, b = np.polyfit(x, y, 1)  # 第一个参数是自变量的度数，这里是一次多项式，所以为1

# 使用公式计算拟合线
def best_fit_line(x):
    return m * x + b

# 绘制原始数据和拟合直线
plt.scatter(x, y)
plt.plot(x, best_fit_line(x), color='red', label='Best fit line')

plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.show()