最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最 小，简单来说，就是通过最小化误差的平方和，使得拟合对象无限接近目标对象，这就是最小二乘的核心思想。最小二乘法还可用于曲线拟合。

在此先列举一下最小二乘家族成员。最小二乘法直线拟合，最小二乘法多项式（曲线）拟合，机器学习中线性回归的最小二乘法，系统辨识中的最小二乘辨识法，参数估计中的最小二乘法，等等

这里我们要说的是最小二乘法拟合曲线的斜率。

拟合直线作用：

在我们做一些处理的时候，得到的数据可能是一些离散的点，而我们往往希望得到一个连续的函数（也就是拟合直线）或者更加密集的离散方程与已知数据相吻合，这过程就叫做拟合， 概念与公式： 说到最小二乘法，可能有的同学说没学过，但是我们给出公式应该同学们会说：哦！原来是他啊。

推导： 即为： 最小二乘法多项式直线拟合，就是根据给定的点，用计算的方法求出最佳的 a(斜率) 和 b（截距）。显然，关键是如何求出最佳的 a 和 b。

相信各位高中都已经学过了，下面我们给出计算中线斜率的代码