最小二乘法是一种用于数据拟合的数学方法，常用于回归分析。其核心思想是通过最小化误差平方和来找到最佳拟合曲线。
以下是基本的线性最小二乘法计算公式：
| 项目 | 公式 |
| 残差平方和 | $ sum (y_i - hat{y}_i)^2 $ |
| 线性回归方程 | $ hat{y} = a + bx $ |
| 斜率 $ b $ | $ b = frac{nsum x_i y_i - sum x_i sum y_i}{nsum x_i^2 - (sum x_i)^2} $ |
| 截距 $ a $ | $ a = frac{sum y_i - b sum x_i}{n} $ |
其中，$ n $ 为数据点数量，$ x_i, y_i $ 为原始数据点，$ hat{y}_i $ 为预测值。该方法适用于线性关系的数据拟合，能有效减少误差影响。
