最小二乘法来拟合数据点

import numpy as np

# 数据点
x = np.array([1, 2, 3, 4, 5])
y = np.array([62, 67, 71, 75, 79])

# 使用 numpy 的 polyfit 函数进行线性拟合
a, b = np.polyfit(x, y, 1)

a, b

在这个函数中：

• x 和 y 是你要拟合的数据点。
• 1 表示你想要拟合的模型是一阶多项式，即线性模型 y = ax+b。

当你调用 np.polyfit(x, y, 1) 时，NumPy 会自动计算最佳拟合直线的系数 a和 b，这些系数是通过最小化残差平方和得到的。因此，这个函数确实是在内部使用最小二乘法来找到最佳拟合直线的。