原文：

版權聲明：本文為博主原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接和本聲明。

本文鏈接：https://blog.csdn.net/qq_38003892/article/details/84495172

1 核心思想

通過最小化方差，使得擬合結果無限接近目標結果。

2 通過一元線性方程舉例說明

3 通過python實現一元線性擬合

import matplotlib.pyplot as plt

import random

# 用于存儲x,y擬合數據

x = []

y = []

# 數據個數

n = 10

# 隨機生成x,y

for i in range(n):

x.append(random.randint(0, 9))

y.append(random.randint(0, 9))

print(x, y)

# 根據推到出來的公式計算k,b

sum_xy = 0

sum_x = 0

sum_y = 0

sum_xx = 0

for i in range(n):

sum_xy += x[i] * y[i]

sum_x += x[i]

sum_y += y[i]

sum_xx += x[i] ** 2

print(sum_xy, sum_x, sum_y, sum_xx)

k = (n * sum_xy - sum_x * sum_y) / (n * sum_xx - sum_x ** 2)

b = sum_y / n - k * sum_x / n

print(k, b)

# 根據x計算擬合的y值

new_y = []

for i in range(n):

new_y.append(k * x[i] + b)

# 畫出原始數據點以及擬合好的直線

plt.title("Least squares")

plt.xlim(right=10, left=0)

plt.ylim(top=10, bottom=0)

plt.xlabel("x")

plt.ylabel("y")

plt.plot(x, new_y, color='black')

plt.scatter(x, y, color='red')

plt.show()

運行結果(因為數據時隨機生成的每次代碼運行結果都會不同)

總結

以上是生活随笔為你收集整理的python实现最小二乘法的线性回归_最小二乘法求线性回归的python实现的全部內容，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。