scipy2.1最小二乘法拟合(示例2：拟合非线性函数)

'''
scipy--optimize优化2.0：least_squares最小二乘法拟合
这次拟合一个非线性函数
2020.5.9
'''
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import least_squares, leastsq

x = np.linspace(-1,1,10)  #生成间隔相同的10个数据
y = 3*x**2+x + np.random.rand(10)  #产生y的数据，并加上一些噪声

#拟合 a*x**2+b*x+c
def residuals(p,x,y):  #计算误差函数
    a,b,c,d = p
    wucha = y-(a*x**2+b*x+c*np.sin(x)+d)
    return wucha     #做二乘法时需要变成最小值的误差：原函数值-预测函数值
    
c = least_squares(residuals,[1,1,0,1],args=(x,y))   #func是准备求最小值的函数，[a,b,c]把参数初始化为1,0,0
print(c)
print('参数为：', c.get('x'))

Q = sum((residuals(c.get('x'),x,y))**2)
print('误差平方和：',Q)


#画出散点图
plt.scatter(x,y)
#画出