最小二乘法公式為b=y（平均）-a*x（平均）。
最小二乘法（又稱最小平方法）是壹種數學優化技術。它通過最小化誤差的平方和尋找數據的最佳函數匹配。利用最小二乘可以簡便地求得未知的數據，並使得這些求得的數據與實際數據之間誤養的平方和為最小。最小二乘法還可用於曲線擬合。
未知量的最可能值是使各項實際觀測值和計算值之間差的平方乘以其精確度的數值以後得和為最小。在梯度下降時候需要用到最小二乘法，極大似然估計法和交叉熵法，用來比較兩個模型的概率分布，而最小二乘法也是梯度下降更新中尋找數值解的優異方法，在統計學習中，需要通過偏差計算梯度。
對於多元線性回歸模型，最小二乘法的思路類似，但計算過程更為復雜。通過引入更多的參數，我們需要對更復雜的模型進行估計。在這個過程中，矩陣運算扮演了非常重要的角色。具體地，我們通過構造殘差矩陣和設計矩陣來求解參數的最小二乘估計。
最小二乘法公式特點：
1、它的核心是通過最小化預測值與實際值之間的殘差平方和來估計線性回歸系數，確保預測值與觀測值之間的誤差最小化。這種方法為數據分析和模型預測提供了壹種穩健和可靠的手段。
2、最小二乘法適用於線性回歸模型，且假設誤差項服從均值為零、方差恒定的正態分布。這壹假設確保了估計的無偏性和有效性。同時，它要求數據具有線性關系，使得預測值能準確反映觀測數據的變化趨勢。
3、最小二乘法的應用廣泛，不僅適用於壹元線性回歸，也適用於多元線性回歸。在多元回歸分析中，設計矩陣的引入使得我們可以估計多個參數，並考慮多個變量對因變量的影響。此外，通過擴展最小二乘法，還可以用於曲線擬合、時間序列分析等其他統計問題。