一维线性拟合
数据为y=4x+5加上噪音
结果：
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import pyplot as plt
from torch.autograd import Variable
import torch
from torch import nn
X = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1)
Y
实验室老师让给数据画一张线性拟合图。不会matlab，就琢磨着用python。参照了网上的一些文章，查看了帮助文档，成功的写了出来
这里用到了三个库
import numpy as np
import matplotlib.pyplot as plt
from scipy import optimize
def f_1(x, A, B):
return A * x + B
plt.figure()
# 拟合点
x0 = [75, 70, 65, 60, 55,50,45,40,35,30]
本文python代码实现的是最小二乘法线性拟合，并且包含自己造的轮子与别人造的轮子的结果比较。
问题：对直线附近的带有噪声的数据进行线性拟合，最终求出w,b的估计值。
最小二乘法基本思想是使得样本方差最小。
代码中self_func()函数为自定义拟合函数，skl_func()为调用scikit-learn中线性模块的函数。
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model impor
