在前文中，笔者使用最小二乘法矩阵计算进行数据的线性拟合
其实有更简单的方法:
用Python的numpy中的polyfit函数直接进行线性拟合
或者用numpy中的polyfit和poly1d进行多项式拟合
程序代码：
直接拟合print("线性方程的系数：")print(slope)print(intercept)x=(-1,10,1100)y=f(x)绘制拟合出来的一元一次线性方程的图像(x,slope*x+intercept,color="blue")('x')('y')('Displayfunc:f(x)=ax+b')()显示图像
运行结果：
程序代码：
直接拟合多项式函数poly=(coefs)[-0.277777782.07142857-4.509126983.3352381]x=(-1,10,1100)new_xx=(3.5,4.5,1000)对每个点计算y值显示网格()#显示图像
运行结果：
版权声明：本站所有作品（图文、音视频）均由用户自行上传分享，仅供网友学习交流，不声明或保证其内容的正确性，如发现本站有涉嫌抄袭侵权/违法违规的内容。请举报，一经查实，本站将立刻删除。