样本回归模型：

                                     其中ei为样本（Xi, Yi）的误差

   平方损失函数：

yi为实际值，^yi为预测值

   则通过Q最小确定这条直线，即确定，以为变量，把它们看作是Q的函数，就变成了一个求极值的问题，可以通过求导数得到。求Q对两个待估参数的偏导数：

    根据数学知识我们知道，函数的极值点为偏导为0的点。

    解得：

这就是最小二乘法的解法，就是求得平方损失函数的极值点。

/* 2 最小二乘法C++实现 3 参数1为输入文件 4 输入 ： x 5 输出： 预测的y   6 */ 7 #include
    
      8 #include
     
       9 #include
      
       10 using namespace std;11 12 class LeastSquare{13     double a, b;14 public:15     LeastSquare(const vector
       
        & x, const vector
        
         & y)16     {17         double t1=0, t2=0, t3=0, t4=0;18         for(int i=0; i
         
           x;51 ifstream in(argv[1]);52 for(double d; in>>d; )53 x.push_back(d);54 int sz = x.size();55 vector
          
            y(x.begin()+sz/2, x.end());56 x.resize(sz/2);57 LeastSquare ls(x, y);58 ls.print();59 60 cout<<"Input x:\n";61 double x0;62 while(cin>>x0)63 {64 cout<<"y = "<
           
            <