Question

我有一个由X和Y坐标组成的散点图。我想使用最小二乘拟合到直线以获得最佳拟合线。

适合直线的最小二乘是指：如果（x_1，y_1），......（x_n，y_n）是测量的数据对，则最佳直线是y = A + Bx。 / p>

这是我在python中的代码：

 # number of points is 50
 A = (sum(x**2)*sum(y) - sum(x)*sum(x*y)) / (50*sum(x**2) - (sum(x))**2)
 B = (50*sum(x*y) - sum(x)*sum(y)) / (50*sum(x**2) - (sum(x))**2)
 print (A,B)

这看起来是否正确，我在打印A和B时遇到问题。谢谢！

Answer 1

如果您只想要一行，则最简单的是scipy.stats.linregress：

>>> from scipy import stats
>>> slope, intercept, r_value, p_value, std_err = stats.linregress(x,y)

Link to docs

Answer 2

如果我理解你的问题，你有两个数据集x和y，你想要进行最小二乘拟合。

您不必自己编写算法，curve_fit的{{1}}应该做您想做的事，请尝试：

scipy.optimize

from scipy.optimize import curve_fit def f(x, A, B): # this is your 'straight line' y=f(x) return A*x + B A,B = curve_fit(f, x, y)[0] # your data x, y to fit，A将是直线的斜率和截距

有关更多详细信息和示例，请参阅： http://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.curve_fit.html#scipy.optimize.curve_fit

Answer 3

您正在尝试将两个列表x和y（或单独）相乘，但它未在Python中定义。您需要编写自己的函数来逐个元素地进行列表乘法或使用numpy.multiply。例如，如果你想进行x和y的按顺序乘法，

import numpy as np
xy = np.multiply(x,y)

最小二乘拟合直线python代码

3 个答案: