3、python代碼參考：

# -*- coding: utf-8 -*- ''' Created on 2018年1月27日 @author: Jason.F @summary: 最小二乘法Least Square Method，分類回歸算法的基礎，通過最小化誤差的平方和尋找數據的最佳函數匹配。 利用最小二乘法可以簡便地求得未知的數據，并使得這些求得的數據與實際數據之間誤差的平方和為最小。 最小二乘法還可用于曲線擬合。其他一些優化問題也可通過最小化能量或最大化熵用最小二乘法來表達。 '''import numpy as np import pylab as pl from scipy.optimize import leastsq # 引入最小二乘函數n = 9 # 多項式次數 # 目標函數 def real_func(x):return np.sin(2 * np.pi * x) # 多項式函數 def fit_func(p, x):f = np.poly1d(p)return f(x) # 殘差函數 def residuals_func(p, y, x):ret = fit_func(p, x) - yreturn retx = np.linspace(0, 1, 9) # 隨機選擇9個點作為x x_points = np.linspace(0, 1, 1000) # 畫圖時需要的連續點y0 = real_func(x) # 目標函數 y1 = [np.random.normal(0, 0.1) + y for y in y0] # 添加正太分布噪聲后的函數p_init = np.random.randn(n) # 隨機初始化多項式參數plsq = leastsq(residuals_func, p_init, args=(y1, x))print 'Fitting Parameters: ', plsq[0] # 輸出擬合參數pl.plot(x_points, real_func(x_points), label='real') pl.plot(x_points, fit_func(plsq[0], x_points), label='fitted curve') pl.plot(x, y1, 'bo', label='with noise') pl.legend() pl.show()結果：

Fitting Parameters: [ -1.42410177e+03 6.58200072e+03 -1.23529559e+04 1.20605212e+04-6.50274314e+03 1.90476748e+03 -2.88678344e+02 2.10107377e+011.92561591e-01]

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的【Python-ML】最小二乘法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。