如何用Python实现三角多项式基函数进行线性模型最小二乘法学习实例？

本文共计504个文字，预计阅读时间需要3分钟。

该文为个人学习时的学习笔记。最小二乘法在统计学中需要验证数据的多重共线性等问题，需要进行相关的假设检验。这里我们假设一种理想状态。最小二乘法+一个简单的应用就是进行拟合。

该文为个人学习时的学习笔记。最小二乘法在统计学中需要验证数据的多重共性性等问题，需要做相关的假设检验，这里我们假设一切为理想状态。

最小二乘法 一个简单的应用就是进行线性模型的拟合，一般情况下我们有一组数据（即数据集）比如二维数据，（x, y）, x为横坐标数值， y为纵坐标数值， 这里我们可以假设该模型符合一个多项式的表达，本文中我们假设该模型可以使用一个带有常数项的16维模型，即包含15个未知参数的模型来表示。

本文中采用50个数据点，每个数据点都符合一个包含15个未知参数的模型，使用最小二乘法求出模型参数，然后用1000个点来表示出该模型的一段直观显示。