最小二乘法是一种数学优化技术，用于找到最佳拟合直线或曲线，使得数据点与拟合线之间的误差平方和最小。对于线性回归问题，即寻找一条直线 y = ax + b 来最佳拟合给定的数据点（x1, y1），（x2, y2），...，（xm, ym），最小二乘法给出了以下公式来计算直线的截距 a 和斜率 b：
a = y_mean - b * x_meanb = Σ（xy_i） - （Σx_i）（Σy_i） / （Σx_i^2 - （Σx_i）^2）
其中：
`y_mean` 是 y 坐标的平均值；
`x_mean` 是 x 坐标的平均值；
`Σ` 表示求和；
`xy_i` 表示每个数据点的 x 和 y 坐标的乘积；
`Σx_i` 表示所有 x 坐标的和；
`Σy_i` 表示所有 y 坐标的和；
`Σx_i^2` 表示所有 x 坐标平方的和。