python绘制反比例函数_拟合反比例函数

弄清楚一点。有两个相关的问题：最小化函数

数据拟合模型

模型与观测数据的拟合就是寻找一个模型的参数，使模型数据与观测数据之间的误差最小化。在

least_squares方法只是最小化关于x(x可以是向量)的以下函数。在F(x) = 0.5 * sum(rho(f_i(x)**2), i = 0, ..., m - 1)

(rho是一个损失函数，默认值是rho(x) = x，所以现在不要介意它)

least_squares(func, x0)期望对func(x)的调用将返回一个向量[a1, a2, a3, ...]，该向量将计算平方和：S = 0.5 * (a1^2 + a2^2 + a3^2 + ...)。在

least_squares将调整x0以最小化{}。在

因此，为了使用它来拟合模型与数据，必须在模型和实际数据之间构造一个误差函数-残差，然后最小化该残差函数。在您的情况下，您可以这样写：import numpy as np

from scipy.optimize import least_squares

x = np.asarray(range(20,401,20))

y = np.random.rand(20)

params = np.array([1,1])

def funcinv(x, a, b):

return b + a/x

def residuals(params, x, data):

# evaluates function given vector of params [a, b]

# and return residuals: (observed_dat