<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="zh-CN">
		<id>http://wiki.citydatum.com/index.php?action=history&amp;feed=atom&amp;title=%E6%9C%80%E5%B0%8F%E4%BA%8C%E4%B9%98%E6%B3%95</id>
		<title>最小二乘法 - 版本历史</title>
		<link rel="self" type="application/atom+xml" href="http://wiki.citydatum.com/index.php?action=history&amp;feed=atom&amp;title=%E6%9C%80%E5%B0%8F%E4%BA%8C%E4%B9%98%E6%B3%95"/>
		<link rel="alternate" type="text/html" href="http://wiki.citydatum.com/index.php?title=%E6%9C%80%E5%B0%8F%E4%BA%8C%E4%B9%98%E6%B3%95&amp;action=history"/>
		<updated>2026-05-05T05:36:45Z</updated>
		<subtitle>本wiki的该页面的版本历史</subtitle>
		<generator>MediaWiki 1.29.1</generator>

	<entry>
		<id>http://wiki.citydatum.com/index.php?title=%E6%9C%80%E5%B0%8F%E4%BA%8C%E4%B9%98%E6%B3%95&amp;diff=393&amp;oldid=prev</id>
		<title>Reiziuh：创建页面，内容为“{{提示|该页面仍需进一步完善，欢迎加入我们}}  最小二乘法（Least Squares Method，简写为LSE）是一种数学优化技术。它通过最小…”</title>
		<link rel="alternate" type="text/html" href="http://wiki.citydatum.com/index.php?title=%E6%9C%80%E5%B0%8F%E4%BA%8C%E4%B9%98%E6%B3%95&amp;diff=393&amp;oldid=prev"/>
				<updated>2018-03-19T06:30:39Z</updated>
		
		<summary type="html">&lt;p&gt;创建页面，内容为“{{提示|该页面仍需进一步完善，欢迎加入我们}}  最小二乘法（Least Squares Method，简写为LSE）是一种数学优化技术。它通过最小…”&lt;/p&gt;
&lt;p&gt;&lt;b&gt;新页面&lt;/b&gt;&lt;/p&gt;&lt;div&gt;{{提示|该页面仍需进一步完善，欢迎加入我们}}&lt;br /&gt;
&lt;br /&gt;
最小二乘法（Least Squares Method，简写为LSE）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，最小二乘法还可用于曲线拟合。在城市规划与研究领域，最小二乘法是[[线性回归]]、[[趋势面分析]]等方法的基础，广泛应用于人口预测、经济预测、地形分析等诸多课题。&lt;br /&gt;
&lt;br /&gt;
== 应用实例 ==&lt;br /&gt;
&lt;br /&gt;
== 操作方法 ==&lt;br /&gt;
&lt;br /&gt;
== 原理与公式 ==&lt;br /&gt;
&lt;br /&gt;
== 参考链接 ==&lt;br /&gt;
* [https://www.zhihu.com/question/37031188 知乎：最小二乘法的本质是什么？]&lt;br /&gt;
* [https://en.wikipedia.org/wiki/Least_squares Wikipedia: Least Squares]&lt;br /&gt;
* [https://baike.baidu.com/item/%E6%9C%80%E5%B0%8F%E4%BA%8C%E4%B9%98%E6%B3%95 百度百科：最小二乘法]&lt;/div&gt;</summary>
		<author><name>Reiziuh</name></author>	</entry>

	</feed>