最小二乘法（又稱最小平方法）是一種數學最佳化技術，主要用於以下兩個方面：
通過最小化誤差的平方和來尋找數據的最佳函式匹配，從而估計回歸模型參數。這種方法適用於曲線擬合和其他最佳化問題。
在給定目標函式的情況下，已知數據的數量大於未知參數時，以誤差最小為目標進行近似擬合。
最小二乘法的基本原理是，對於一組數據，找到一條曲線（如直線或其他函式形式）使得這些數據點到該曲線的距離平方和最小。其中，直線方程通常表示為y=kx+b，通過調整斜率k和截距b，使得所有數據點到該直線的垂直距離平方和最小。這種方法在統計學和數據分析中有廣泛套用，如線性回歸分析、數據擬合等。