最小二乘法是一種數學最佳化技術，主要用於曲線擬合和數據分析。其基本思想是通過最小化誤差的平方和來尋找數據的最佳函式匹配。具體來說，給定一組數據點，最小二乘法試圖找到一條曲線（或直線等）使得所有數據點到這條曲線的垂直距離（即殘差）的平方和最小。
在套用最小二乘法進行擬合時，首先需要確定一個合適的模型形式，這可能是一個線性模型、多項式模型或其他類型的函式。然後，通過計算參數（如線性模型中的斜率和截距），使得預測值與實際數據之間的誤差平方和達到最小。這些參數可以通過求解線性方程組或其他最佳化方法得到。
最小二乘法的適用範圍廣泛，包括但不限於直線擬合、多項式擬合、曲線擬合等。它假設誤差項是獨立且同分布的，並且服從均值為0、方差為常數的常態分配。如果這些假設不成立，可能需要考慮其他回歸分析方法，如加權最小二乘法、廣義最小二乘法等。