python 最小二乘法拟合

最小二乘法是一种常用的数据拟合方法，它旨在到一条最符合给定数据的直线或曲线。最小二乘法的本质是使得数据点到拟合直线或曲线的距离平方和最小。在Python中，可以使用NumPy库来实现最小二乘法拟合。

拟合直线

首先，需要导入NumPy库：

import numpy as np

然后，假设有一组数据存储在数组x和y中，可以通过以下代码获得最小二乘法拟合直线的斜率和截距：

# 计算斜率和截距

slope, intercept = np.polyfit(x, y, 1)

其中，np.polyfit函数的第一个参数为x，第二个参数为y，第三个参数为拟合直线的阶数，本例中为1，代表一次直线拟合。得到斜率和截距之后，就可以用对应的一次函数来拟

合数据，即：

# 用一次函数拟合数据

fit_line = slope * x + intercept

最后，可以使用Matplotlib库将拟合结果可视化：

import matplotlib.pyplot as plt

plt.scatter(x, y) # 绘制原始数据散点图

plt.plot(x, fit_line, color='red') # 用红直线绘制拟合结果

plt.show()

本文发布于:2024-09-23 05:33:10，感谢您对本站的认可！

标签：拟合直线数据乘法斜率绘制

留言与评论（共有 0 条评论）