基于导频的最小二乘（LS）估计方法的优点是结构简单、容易实现，但对噪声和干扰敏感。为了抑制噪声和干扰，引入了整体最小二乘法（TLS）进行信道估计，并给出了整体最小二乘法的公式。该方法同时考虑了信道噪声和信道时变特性。理论分析和仿真结果表明，该算法能有效消除噪声和干扰，较好地恢复传输信号。

参数估计带遗忘因子递推最小二乘法仿真（RLS）（BASIC 程序）

用MATLAB实现最小二乘法一元线性拟合，并求出预测直线的斜率与截距。

机器学习源代码，最小二乘法回归的Python完整实现

matlab开发-偏最小二乘法和判别分析法。使用PLS进行判别分析的教程和工具。

偏最小二乘是建立表到表的线性拟合关系，然后预测的方法(处理高维数据)，比如在光谱分析中，X是某物质的光谱样本构成的训练集，Y是对应的成分数据，x是要预测成分的光谱数据。

旋转不变子空间ESPRIT算法，DOA空间谱估计中经典算法

RLS参数辨识，最小二乘法RLS参数辨识，最小二乘法RLS参数辨识，最小二乘法

解决具有连续动作空间的问题是当前强化学习领域的一个研究热点和难点．在处理这类问题时，传统的强化学习算法通常利用先验信息对连续动作空间进行离散化处理，然后再求解最优策略．然而，在很多实际应用中，由于缺乏用于离散化处理的先验信息，算法效果会变差甚至算法失效．针对这类问题，提出了一种最小二乘行动者一评论家方法(1east square actor—critic algorithm，I。SAC)，使用函数逼近器近似表示值函数及策略，利用最小二乘法在线动态求解近似值函数参数及近似策略参数，以近似值函数作为评论家指导近似策略参数的求解．将I。sAc算法用于解决经典的具有连续动作空间的小车平衡杆问题和mountain car问题，并与Cacla(continuous actor-critic learning automaton)算法和eNAC(episodic natural actor—critic)算法进行比较．结果表明，LSAC算法能有效地解决连续动作空间问题，并具有较优的执行性能．

解包裹算法：适合初学者，传统的Goldstein枝切法、质量导向法、DCT最小二乘法、直线扫描法 均进行整理，有中文说明