偏最小二乘法是一种数学优化技术，它通过最小化误差的平方和找到一组数据的最佳函数匹配。 用最简的方法求得一些绝对不可知的真值，而令误差平方之和为最小。 很多其他的优化问题也可通过最小化能量或最大化熵用最小二乘形式表达。

该文档包括PLS的算法流程，原理以及算法举例，并且附有MATLAB代码，亲测可用。

包括最小二乘法、增广递推最小二乘法等模型的Matlab源程序及系统辨识仿真

模式识别的一个重要算法：SIMCA（软独立建模聚类分析）你值得拥有

最小二乘法的曲线拟合程序（c语言），c语言程序代码

该方法采用提取图像轮廓，并进行最小二乘法计算拟合出圆。最后得出圆心和半径。

实验要求： 1. 生成数据，加入噪声； 2. 用高阶多项式函数拟合曲线； 3. 用解析解求解两种loss的最优解（无正则项和有正则项） 4. 优化方法求解最优解（梯度下降，共轭梯度）； 5. 用你得到的实验数据，解释过拟合。 6. 用不同数据量，不同超参数，不同的多项式阶数，比较实验效果。 7. 语言不限，可以用matlab，python。求解解析解时可以利用现成的矩阵求逆。梯度下降，共轭梯度要求自己求梯度，迭代优化自己写。不许用现成的平台，例如pytorch，tensorflow的自动微分工具。

掌握最小二乘法求解（无惩罚项lamda的损失函数）、掌握加惩罚项（2范数）的损失函数优化、梯度下降法、共轭梯度法、理解过拟合、克服过拟合的方法(如加惩罚项、增加样本)

来自麻省理工的正则化最小二乘法讲义，讲得精炼而且较为易懂！

m乘以n的矩阵：奇异值分解、广义逆；数据拟合的最小二乘法。 visual studio 2010 Intel fortran 2011