MATLAB偏最小二乘法的实现，文件夹附有可用的数据。

回归参数估计 使用不同方法的回归模型中参数估计的R代码： 最小二乘 梯度下降 大都会-哈丁斯 使用JAGS进行吉布斯采样 该代码用于具有一个预测变量的线性回归问题（单变量回归）。 目的是通过一个简单的示例并为所有方法提供基本实现，以介绍机器学习中广泛使用的重要方面，例如梯度下降和蒙特卡洛方法。 此博客文章中介绍了不同的方法和代码： :

几个最小二乘辨识程序，二阶系统一次性完成最小二乘辨识程序，递推的最小二乘辨识程序

线性回归模型 普通最小二乘线性回归模型的实现。

最小二乘拟合MATLAB程序-数值分析、最小二乘直线拟合、最小二乘曲线拟合

可以对光谱数据进行预处理，除了偏最小二乘法之外，也有一些其他方法

基于傅里叶变换的最小二乘法相位解包算法，非路径引导解包法

Moving Least Squares（移动最小二乘Matlab源代码）

变压器绕组的热点温度过高，会导致变压器绝缘脆解、裂化甚至击穿短路。因此及时、准确地预测出变压器绕组的热点温度，对提高变压器运行的安全可靠性至关重要。利用最小二乘双支持向量回归机(LSTSVR)作为边缘计算模型，将变压器油中气体色谱分析数据信息与变压器负载电流、环境温度、顶层油温、上死角温度等变压器运行信息结合，构建监测系统架构，预测变压器的平均油温，并计算出绕组热点温度。将所提方法得到的数据与实测数据进行对比，结果利用LSTSVR模型实现了变压器平均油温及绕组热点温度的准确预测，且该模型的预测精度优于最小二乘支持向量回归机模型，有效地提高了绕组热点温度测量的精度。现场实例也证明了所提方法的有效性和可靠性。

以全站仪为真值数据，SLAM为需要评估的轨迹，用最小二乘算法，对二者进行轨迹匹配。 本代码用于平面坐标系的二维旋转，场景：室内定位过程中，使用LEGO-LOAM算法得到小车的平面位置后，需要将小车的位置转换到真值坐标系下。