lstsq比solve更一般化，它不要求矩阵 A 是方阵。 它找到一组解 x，使得 ||b-Ax|| 最小，我们称得到的结果为最小二乘解。

scipy.linalg.lstsq(a, b, cond=None, overwrite_a=False, overwrite_b=False,
  check_finite=True, lapack_driver=None)

• a：为矩阵，形状为(M,N)
• b：一维向量，形状为(M,)。它求解的是线性方程组 Ax=b。如果有 k 个线性方程组要求解，且 a，相同，则 b的形状为 (M,k)
• cond：一个浮点数，去掉最小的一些特征值。当特征值小于cond * largest_singular_value时，该特征值认为是零
• overwrite_a：一个布尔值，指定是否将结果写到a的存储区。
• overwrite_b：一个布尔值，指定是否将结果写到b的存储区。
• check_finite：如果为True，则检测输入中是否有nan或者inf
• lapack_driver：一个字符串，指定求解算法。可以为：'gelsd'/'gelsy'/'gelss'。默认的'gelsd'效果就很好，但是在许多问题上'gelsy'效果更好。

返回值：

• x：最小二乘解，形状和b相同
• residures：残差。如果 rank(A) 大于N或者小于M，或者使用了gelsy，则是个空数组；如果b是一维的，则它的形状是(1,)；如果b是二维的，则形状为(K,)
• rank：返回矩阵a的秩
• s：a的奇异值。如果使用gelsy，则返回None