在SciPy中，可以使用curve_fit函數進行曲線擬合和數據建模。curve_fit函數的基本用法如下：
from scipy.optimize import curve_fit
def linear_func(x, a, b):
return a * x + b
# 訓練數據
x_data = [1, 2, 3, 4, 5]
y_data = [2.1, 3.9, 6.1, 8.2, 9.8]
# 使用curve_fit進行擬合
params, covariance = curve_fit(linear_func, x_data, y_data)
# 擬合參數
a_fit, b_fit = params
print("擬合參數 a:", a_fit)
print("擬合參數 b:", b_fit)
在上面的示例中，我們定義了一個線性函數linear_func，然后使用curve_fit函數對給定的數據進行擬合，得到擬合參數a和b。根據具體的數據和模型，可以修改linear_func函數和數據，實現不同的擬合和數據建模。
