最好使用np.polynomial.polynomial.polyfit`进行多项式拟合。

根据curve_fit的文档，将输入参数full_output设置为True，该函数返回一些关于优化的附加信息;具体来说，函数返回一个字典（infodict），其中包含fvec项，该项包含在解处计算的残差（y - y_star）。此外，如果适用，用于优化的默认方法是最小二乘法（请查看method参数）。
所以，如果你想知道拟合函数的误差，你可以使用那些信息：

from scipy.optimize import curve_fit
import numpy as np

def objective(x, a, b, c):
    return a * x + b * x**2 + c

x = np.arange(-10, 10, 1)
data = objective(x, 1, 2, 3) + np.random.normal(0, 10, (len(x),))

potp, pcov, info, msg, ier = curve_fit(objective, x, data, full_output=True,  method='lm')
y_hat = objective(x, *potp.tolist())

# residuals are in the entry 'fvec' of the info dict.
# These are the residuals evaluated at the solution, i.e., f(x) - data
# Compute sum of squared residuals
err = np.dot(info['fvec'], info['fvec'])

这是表示原始数据和上一代码中插值的图