如何解决非线性最小二乘问题？求解题思路提示

我的初步思路是采用欧氏距离，但不清楚该如何完成这项任务，恳请各位提供解题思路指引？

解题思路指引 #

• 先明确计算对象：把需要对比的两组数据（比如坐标点、特征向量）整理成维度相同的数值集合，保证每个位置的元素对应同一属性。
• 实现欧氏距离计算：
  • 手动计算用公式：d = √[Σ(xᵢ - yᵢ)²]，其中xᵢ、yᵢ是两组数据的对应元素
  • 用工具库更高效，比如Python中可以用scipy.spatial.distance.euclidean(x, y)，或者用numpy实现：np.sqrt(np.sum((x - y)**2))
• 结合任务场景落地：
  • 如果是聚类任务：用欧氏距离衡量样本间相似度，以此划分簇群
  • 如果是匹配任务：设定距离阈值，低于阈值判定为同类/匹配
  • 如果是建模任务：可将欧氏距离作为特征输入模型
• 优化调整：欧氏距离受量纲影响大，计算前建议对数据做归一化/标准化；如果效果不佳，可尝试马氏距离等替代方案

内容的提问来源于stack exchange，提问作者leskovecg98