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。
准备工作：在理解最小二乘法之前，需要提前了解三个数学知识（假设数学已经还给生物老师的情况下）
-
三项式平方展开：(x y z)^2 可以看作是((x y) z)^2 就是把三项式转化为二项式
-
一次函数:在某一个变化过程中，设有两个变量x和y，如果可以写成y=kx b(k为一次项系数≠0，k≠0，b为常数，)，那么我们就说y是x的一次函数，是一条直线，其中x是自变量，y是因变量 (又称函数）。
-
一元二次函数取最小值：y = ax^2 bx c 开口向上的情况下，要取最小值，就是取在对称轴处，x= - (b/2a)
假设我们有一组数据 [ [x1,y1] , [x2,y2] , [x3,y3]......[xn,yn] ] ,其中 x 代表程序员的数学能力，y 代表程序员的薪资
把这些点都放在坐标系中，并画出一条趋势线，如下图所示：
最小二乘法是非常重要的一个算法，后面学习到的深度学习，神经网络，决策树等等，都是基于它的，花时间搞清楚它的原理很有必要。