np.linalg.lstsq的数学原理

import numpy as np
import pandas as pd

x = np.array([0, 1, 2, 3])
y = np.array([-1, 0.2, 0.9, 2.1])
A = np.vstack([x, np.ones(len(x))]).T
print(A)
print(y)
m, c = np.linalg.lstsq(A, y, rcond = -1)[0]
print(m, c)
import matplotlib.pyplot as plt

plt.plot(x, y, 'o', label = 'Original data', markersize = 10)
plt.plot(x, m * x + c, 'r', label = 'Fitted line')
plt.legend()

运行结果如下：

[[0. 1.]
 [1. 1.]
 [2. 1.]
 [3. 1.]]
[-1.   0.2  0.9  2.1]
0.9999999999999999 -0.9499999999999997

我们在使用np.linalg.lstsq前，
会先将x在下与一行“1”矩阵合并，
然后使用的到转置得到的矩阵与y一同带入到np.linalg.lstsq函数中。
而这个预先处理的过程，事实上是为了迎合np处理矩阵的属性

等效于：

相当于后添加的1矩阵起到了工具人的作用，引入了C