最小二乘法实际测试与应用（线性与非线性拟合）

关于最小二乘法的介绍可以参考链接

要自己使用并应掌握的重点是：

下面主要就最小二乘法的实际应用进行测试，主要包含两个部分，第一个是使用最小二乘法对线性方程进行拟合，第二个是使用最小二乘法对非线性方程进行拟合。

线性方程拟合

程序思路：先随机生成测试数据，并可视化，随后使用最小二乘法拟合线性方程。

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0)

def real_func(x):
    return 3*x + 2

# generate data
x = np.linspace(0, 1, 100)
y_ = real_func(x)  # gt 
y = [np.random.normal(0, 0.1)+y1 for y1 in y_]  # observation

# vis generate data
plt.scatter(x, y_, c='c')
plt.scatter(x, y, c='b')
plt.title('Generate Data')