最小二乘拟合（scipy实现）

Scipy库在numpy库基础上增加了众多数学，科学及工程计算中常用库函数。如线性代数，常微分方程数值求解，信号处理，图像处理，稀疏矩阵等。

如下理解通过Scipy进行最小二乘法拟合运算

最小二乘拟合（optimize子函数）

from scipy.optimize import leastsq

optimize函数含有实现最小二乘法的函数 leastsq，

如下通过对正弦函数的拟合，求得最小二乘拟合参数。func三参数A,k,theta分别表示对应振幅，频率，相角。

import  numpy as np
from scipy.optimize import leastsq
import pylab as pl
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['KaiTi']  # 解决中文乱码
mpl.rcParams['axes.unicode_minus'] = False 	 # 解决负号显示为方框的问题
 
def func(x,p):
 
	# 数据拟合所用函数： A*sin(2*pi*k*x + theta)
 
	A,k,theta  = p
	return A*np.sin(2*np.pi*k*x + theta)
 
def residuals(p,y,x):
 
	# 实验数据x,y和拟合函数之间的差，p为拟合需要找到的系数
 
	return y - func(x,p)
 
x = np.linspace(0, -2*np.pi, 100) # 创建等差数列，100表示数据点个数
A,k,theta = 10, 0.34 , np.pi/6  # 真实数据的函数参数
y0 = func(x, [A,k,theta])       # 真实数据
y1 = y0 + 2* np.random.randn(len(x)) # 加入噪声后的实验数据
 
p0  = [7,0.2,0] 				# 第一次猜测的函数拟合参数
 
"""
	1、调用leastsq进行数据拟合
	2、residuals为计算误差的函数
	3、p0为拟合参数的初始值
	4、args为需要拟合的实验数据
"""
plsq = leastsq(residuals,p0,args = (y1,x))
 
print(u"真实参数：", [A,k,theta])
print(u"拟合参数：", plsq[0])    #实验数据拟合后的参数
 
# 作图
pl.plot(x, y0, label = u'真实数据')
pl.plot(x, y1, label = u'带噪声的实验数据')
pl.plot(x, func(x,plsq[0]) , label = u"拟合数据")
pl.legend()
pl.show() 　

图形展示：

以上可以看出由于正弦函数的周期性，拟合参数规律走势和和真实数据实际上是一致的。