Ableable
所谓回归分析实际上就是根据统计数据建立一个方程，用这个方程来描述不同变量之间的关系，而这个关系又无法做到想像函数关系那样准确，因为即使你重复全部控制条件，结果也还有区别，这时通过让回归方程计算值和试验点结果间差值的平方和最小来建立回归方程的办法就是最小二乘法，二乘的意思就是平方。最小二乘就是指回归方程计算值和实验值差的平方和最小。 
最小二乘估计是概率统计中的一种参数估计方法，就是对一组随机变量的线性估计，它的原理是使估计值与真实值之差的平方和最小，用图形表示好理解一些。下图从总体中抽出的样本所对应的点，蓝色直线表示回归线，这条线就是用最小二乘的方法作出来的，方法就是使各点与所作出的直线的距离的平方和最小，这就使最小二乘法。 为了更好理解一些，先从最简单的一次函数y=kx+b讲起 已知坐标轴上有些点(1，0)，(1，2)，(3，0)，(4，6)，(1，0)，求经过这些点的图象的一次函数关系式 当然这条直线不可能经过每一个点，我们只要做到5个点到这条直线的距离的平方和最小即可，这这就需要用到最小二乘法的思想然后就用线性拟合来求 这是大学概率论与数理统计的内容，一般用于建模 鉴于高中阶段要求不是很高，好多专业知识都不具备，所以没有办法讲的更加详细，不知道这样讲你能不能理解？
