拟合点到平面算法，如何迭代结果？

拟合点到平面算法，如何迭代结果？ 优化

平面的法线向量a * x + b * y + c * z = 0，等于（a，b，c）

优化方法找到a和b的值，使得a * x + b *y〜z（〜表示近似值）。在计算中完全不使用c的值。我没有在这台机器上安装numpy，但我希望将模型更改为（a * x + b * y）/
c应该可以解决此问题。对于所有数据集，它不会给出相同的结果。该方法将始终假定一个平面穿过原点。

SVD和LTSQ

产生相同的结果。（区别在于机器精度的大小）。

本征

选择了错误的特征向量。对应于最大特征值（

lambda = 1.50

）的特征向量与

x=[0, sqrt(2)/2,sqrt(2)/2]

SVD和LTSQ中一样。

解决

我不知道这应该如何工作。