最小二乘法一元高次

1.基本原理

这里的β就是我们所求的变量

所以这里我们可以得到
然后我们就可根据这个公式去实现算法，但是往往这里并不能得到一个非常好的结果，因为会出现过拟合问题。

所以可以采用正则化（岭回归）的方式来改进，

2.代码实现

请参考这位大佬的博客，我就是学习的他的代码实现
最小二乘法多项式曲线拟合及其python实现

3.代码解读

数据来源是利用y=sinx产生初始数据，加入一个正态分布的噪声，这样就产生了y_noise，在使用这个数据来计算得到参数项。

1. np.random.normal()函数
   np.random.normal()的意思是一个正态分布，normal这里是正态的意思
   参数类型及解读：

loc：float
    概率分布的均值
scale：float
    概率分布的标准差
size：int or tuple of ints
    输出的shape，默认为None，只输出一个值

更一般的形式是np.random.randn(size)即标准正态分布，相当于np.random.normal(loc=0, scale=1, size)。

2. reshape修改数组形状

a = [0 1 2 3 4 5 6 7];
b = a.reshape(4,2)
results:
b=[[0 1]
   [2 3]
   [4 5]
   [6 7]]

3. matplotlib.pyplot.plot 参数
   plt.plot(x, y, ls="-", lw=2, label=“plot figure”)
   ls：折线图的线条风格
   lw：折线图的线条宽度
   label：标记图内容的标签文本
   4.numpy.column_stack(a,b)将矩阵a，b按列合并
   numpy.row_stack(a,b)将矩阵a，b按行合并

a = [1,2,3]  # 3*1
b = [4,
     5,
     6]  # 3*1
c = numpy.column_stack(a,b)
d = numpy.row_stack(a,b)
results:
c = [[1,4]
	 [2,5]
	 [3,6]]  # 3*2
d = [1,2,3,4,5,6]  # 6*1

4. numpy对数组进行操作（插入、删除、添加等）
   详见菜鸟教程数组操作篇
5. 代码中与矩阵相关的计算也可参考菜鸟教程numpy部分的讲解