标签：影响 参数 image 最好 计算 图片 函数 直线 alt
最小二乘法可以更广泛地应用于非线性方程中，我们可以使用一些已知的离散的点，拟合出一条与这些离散点最为接近的曲线，从而可以分析出这些离散点的走向趋势。
设x和y之间的函数关系由直线方程：
y=ax+b
公式中有两个待定参数，b代表截距，a代表斜率。问题在于，如何找到“最合适”的a和b使得尽可能多的数据落在或者更加靠近这条拟合出来的直线上；
我们关心的是方程中的a和b，也就是说，在这个待定的方程中，a和b才是所求的变量，它们可以描述出x和y的关系。 所以我们接下来的任务就是找到一组最好的a和b。
我们对a和b的要求就是，使得所有x和y相对拟合直线的误差总和最小。也就是说，我们要考虑的是，要使这些数据点距离拟合直线的和最小，距离最短，这样就可以使得尽可能多的数据成为有效点。
一.是我们要将误差最小化
二.是我们将误差最小化的方法是使误差的平方和最小化。（用误差平方和最小化来约束误差的原因是要规避负数对计算的影响）
标签：影响 参数 image 最好 计算 图片 函数 直线 alt
原文地址：https://www.cnblogs.com/-wenli/p/11846285.html
