可以参考以下里面关于最小二乘法解包裹的内容

对三种最小二乘法进行对比，每种最小二乘法含有代码和分析，三种最小二乘法是一般、递推、增广最小二乘法。matlab程序

用c语言的自编最小二乘法代码，给出最终拟合得的直线方程，和准确度

给定线性系统的输入 u 和输出 y 及其阶数，函数求分子 N 和分母 D。 N,D]=mcar(u,y,n,k1,k2) u : 系统的输入信号y : 系统的输出信号n : 系统顺序k1,k2 向量 y 的第一个值和最后一个值的索引。 [N,D]=mcar(u,y,n) 程序允许选择 k1 和 k2 重要提示：如果输入信号为常数或系统不稳定，则结果将为 Nan。 理想的输入是随机信号。

比较全数值分析编程汇总，内容包括： 线性方程组的直接法：Gauss消去法与矩阵三角分解法（Doolittle分解法相比Crout分解法更常用）及其选择列主元的改进方法、Doolittle分解法的延伸（实对称正定矩阵利用Cholesky分解得到的平方根法、三对角矩阵作为线性方程组系数矩阵的追赶法） 线性方程组的迭代法：Jacobi迭代法、Gauss-Seidel迭代法（利用前者每次迭代已得到的最新分量加速）、逐次超松弛（SOR，Successive Over-Relaxation）方法 函数拟合的插值法：拉格朗日（Lagrange）插值法与牛顿（Newton）插值法。 函数逼近方法：数值逼近中引入了函数范数和函数内积的概念。前者用来度量逼近函数与原函数在一个区间内的整体误差，后者广泛用于各种数值逼近方法的计算过程中。函数的∞-范数对应最佳一致逼近；函数的2-范数（Euclid-范数）对应最佳平方逼近。 数值积分算法与数值微分。 非线性方程及方程组的数值方法。 矩阵特征值的数值解法：乘幂法与反幂法。 常微分方程的数值解法：欧拉（Euler）方法，龙格-库塔法。

matlab实现偏最小二乘法。。。。。 %% Principal Component Analysis and Partial Least Squares % Principal Component Analysis (PCA) and Partial Least Squares (PLS) are % widely used tools. This code is to show their relationship through the % Nonlinear Iterative PArtial Least Squares (NIPALS) algorithm.

基于无穷小分析的思想，建立了速度与流量关系的基本模型。 由于放置一定数量的自动驾驶汽车会影响混合交通流的平均速度，因此我们选择自动驾驶汽车的比例作为变量，用k表示。 基于最小二乘法，我们发现k的两个临界值分别为38.63％和68.26％。 当k <38> 68.26％时，它们对道路的通行能力有显着改善。

这是用C#写的用最小二乘法实现的各种拟合函数，包括了多项式拟合，指数函数拟合，对数函数拟合，幂函数拟合。本人菜鸟一枚，有错误的地方请多多指教。

（二）趋势预测(最小二乘法) 三种最常用的趋势预测模型： 线性趋势模型 指数曲线趋势模型 二次曲线趋势模型

最小二乘法、Romberg、Runge-Kutta、Newton和Xuanjie迭代、Lagrange、Doolittle分解法、改进Euler 推荐使用jupyter运行 ipynb文件格式