普通最ygdpy乘模型（Ordinary Least Squares—OLS Module）
一、“最ygdpy乘法”的核心: 保证所有数据偏差的平方和最小。
二、建模过程
设，数据集X（xi,yi）,假设数据集上的点可以近似拟合为一条线（拟合直线 y=ax+b），从而利用该拟合直线对数据进行预测y值。系数a，b可根据最ygdpy乘核心思想（保证所有数据偏差的平方和最小）求得。
1.设拟合直线方程 y=ax+b
2.误差 di=yi-(a*xi+b) 其中，（xi,yi）为任意观察点
3.数据集上的总误差 D=∑di （i=1…n）
当D取最小值时直线拟合度最高。
用D分别对a，b求偏导数等于0，可求得a，b的值，从而得到线性模型y=ax+b。