1、scipy.optimize.least_squares

采用最小二乘优化 求解具有变量界限的非线性 least-squares 问题

least_squares(fun, x0, method='trf', loss='linear', args=(), kwargs={})
fun(x, *args, **kwargs) 是残差计算函数
method是优化算法，例如LM算法等
loss是损失函数，默认为线性；若设置为huber等其他方法，可以起到抑制噪声的效果。
args和kwargs对应第一个参数fun的两类参数，将在least_squares内部被传递给fun函数。

Python scipy.optimize.least_squares用法及代码示例 - 纯净天空

2、scipy.spatial.distance.mahalanobis

马氏距离(Mahalanobis Distance)是度量学习中一种常用的距离指标，同欧氏距离、曼哈顿距离、汉明距离等一样被用作评定数据之间的相似度指标。但却可以应对高维线性分布的数据中各维度间非独立同分布的问题

马氏距离(Mahalanobis Distance)_意念回复的博客-CSDN博客

3、计算两个坐标（经纬度方式），求两者距离有两种方式——Vincenty和Haversine；

        前者精度很高，可以达到0.5毫米，但是速度慢；后者速度快，但是精度差点，但是也不含糊，实际中很常用，只要是精度要求不是特别高的例如航空、导弹等的领域，还是很实用的。例如在只能网联汽车领域，后者应用很广泛。

4、scipy.interpolate.InterpolatedUnivariateSpline(x, y, w=None, bbox=[None, None], k=3, ext=0, check_finite=False)

        样条插值以多项式作为任意相邻两个数据点平滑曲线计算方式，最终形成经过所有离散点的光滑曲线的数学方法

Python学习-Scipy库插值处理(单变量插值interpld、网格数据二维插值griddata、样条插值InterpolatedUnivariateSpline类对象)_小样020的博客-CSDN博客