Python 3.x 如何在变量X是三维向量的情况下进行线性拟合？

我需要进行线性拟合，如下所示：

Y=a*X+b

我需要找到价值观​​符合实验数据的a和b的 我想到的第一件事是使用polyfit函数， 但问题是，在我的数据中，X是一个有3个条目的向量

这是我的代码：

p_0=np.array([10,10,10])
p_1=np.array([100,10,10])
p_2=np.array([10,100,10])
p_3=np.array([10,10,100])

# Experimental data:
x=np.array([p_0,p_1,p_2,p_3])
y=np.array([35,60,75,65])

a=np.polyfit(x, y,1)
print(a)

我期待着打印一个列表列表，带有矩阵和矩阵b。。。但是我得到了

TypeError（“x的预期1D向量”）

---

使用numpy或其他库有什么方法可以做到这一点吗？

一种方法是使用：

另一个选项是使用

sklearn

中的

LinearRegression

：

from sklearn.linear_model import LinearRegression
reg = LinearRegression().fit(x, y)
print (reg.coef_, reg.intercept_)
# array([0.27777778, 0.44444444, 0.33333333]), 24.444444444444443

---

sklearn可用于以下用途：

import numpy as np
from sklearn.linear_model import LinearRegression

model = LinearRegression()

p_0=np.array([10,10,10])
p_1=np.array([100,10,10])
p_2=np.array([10,100,10])
p_3=np.array([10,10,100])

# Experimental data:
x=np.array([p_0,p_1,p_2,p_3])
y=np.array([35,60,75,65])

model.fit(X=x, y=y)

print("coeff: ", *model.coef_)
print("intercept: ", model.intercept_)

输出：

coeff:  0.27777777777777785 0.44444444444444464 0.33333333333333337
intercept:  24.444444444444436

sklearn软件包的其他一些优秀功能：

model.fit(x,y) # 1.0
model.rank_ # 3
model.predict([[1,2,3]]) # array([26.61111111])

model.fit(x,y) # 1.0
model.rank_ # 3
model.predict([[1,2,3]]) # array([26.61111111])