'''
scipy--optimize优化2.0：least_squares最小二乘法拟合
这次拟合一个非线性函数
2020.5.9
'''
import numpy as np
import as plt
from import least_squares, leastsq
x = (-1,1,10) #生成间隔相同的10个数据
y = 3*x**2+x + (10) #产生y的数据，并加上一些噪声
#拟合 a*x**2+b*x+c
def residuals(p,x,y): #计算误差函数
a,b,c,d = p
wucha = y-(a*x**2+b*x+c*(x)+d)
return wucha #做二乘法时需要变成最小值的误差：原函数值-预测函数值
c = least_squares(residuals,[1,1,0,1],args=(x,y)) #func是准备求最小值的函数，[a,b,c]把参数初始化为1,0,0
print(c)
print('参数为：', ('x'))
Q = sum((residuals(('x'),x,y))**2)
print('误差平方和：',Q)
#画出散点图
(x,y)
#画出
