最小二乘法是一種數學最佳化技術，主要用於估計兩個變數之間的線性關係，其目標是最小化誤差的平方和，以找到最佳函式匹配。
對於線性回歸模型 (y = ax + b)，最小二乘法的公式可以表示為：
(a = \frac{N \sum xy - \sum x \sum y}{N \sum x^2 - (\sum x)^2})
(b = y_{平均} - a \times x_{平均})
其中，(N) 是數據點的數量，(x) 和 (y) 是數據點的坐標，(x_{平均}) 和 (y_{平均}) 分別是 (x) 和 (y) 的平均值。
此外，最小二乘法還可以用於曲線擬合問題，其中設擬合直線的公式為 (y = kx + b)，則斜率 (k) 的計算公式為：
(k = \frac{\Sigma(xy - x^2)}{\Sigma x^2})
(b = y_{平均} - k \times x_{平均})
這些公式提供了從數據中估計線性關係參數的有效方法。