Python极小值

我试图在点云上拟合一条3D线。我正在使用lmfit的Minimizer。 我将线点距离定义为np.linalg.norm（np.cross（p-v0，v1-v0））/np.linalg.norm（v1-v0）（来自的方法2）。问题是，我不确定最小值是否做得好。我使用的是最小二乘法，对于点数较少的情况，拟合不正确

事实上，np.linalg.norm（np.cross（p-v0，v1-v0））似乎做得更好。如果我理解正确，这将最小化平行四边形面积，而不是点线距离

问题：有没有比最小二乘法更好的算法来最小化距离？有比lmfit更好的图书馆吗？为什么第二个方程会给出更好的结果，它只是除以一个标量

from lmfit import minimize, Parameters, Parameter, 
report_fit,fit_report, Minimizer, printfuncs
import numpy as np

params = Parameters()
params.add('x0',   value= 129)
params.add('x1',   value= -0.5)
params.add('y0',   value= 129)
params.add('y1',   value= -0.5)


def fun(params,x,y,z):
    x0 = params['x0'].value; x1 = params['x1'].value; y0 = 
params['y0'].value; y1 = params['y1'].value
    distance = []

    v0 = np.array([x0, y0, 0])
    v1 = np.array([x0+x1, y0+y1, 1])

    for point in range(len(x)):
        p = np.array([x[point], y[point], z[point]])
        distance.append(np.linalg.norm(np.cross(p-v0,v1-v0))/np.linalg.norm(v1-v0))
    return distance

result = minimize(fun, params,args=(x,y,z))
print(fit_report(result))

---

---

使用plotly，我可以看到拟合的质量：vs

“对于较低数量的点，拟合不正确。”-您如何知道它不正确？我使用plotly在三维中查看直线如何拟合点。另外，我知道云的正确角度（0度）。当删除np.linalg.norm（v1-v0）时，我得到了更好的结果。如果只有两个点，我想让线穿过它们，但事实并非如此。