最小二乘法是一種數學最佳化技術，其核心思想是通過調整未知參數（如線性回歸中的斜率和截距）來最小化預測值與實際觀測值之間的誤差平方和。這種方法在曲線擬合和線性回歸分析中非常常用。
對於線性回歸的情況（y = ax + b），最小二乘法的解可以表示為兩個主要公式：
a = (NΣxy - ΣxΣy) / (NΣx^2 - (Σx)^2)。
b = y的平均值 - a * x的平均值。
這裡的N是數據點的數量，Σxy是所有數據點的x值和y值的乘積之和，Σx^2和Σy是所有數據點的x值和y值的平方之和，而Σx和Σy是所有數據點的x值和y值之和。
最小二乘法的基本假設是誤差獨立且服從相同的分布，通常假設為常態分配。這些誤差會影響通過最小二乘法得到的擬合結果的質量。