Ⅰ.什么是偏最小二乘法偏最小二乘法的定义：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。

　　与传统多元线性回归模型相比，偏最小二乘法的特点是：

　　1、能够在自变量存在严重多重相关性的条件下进行回归建模；

　　2、允许在样本点个数少于变量个数的条件下进行回归建模；

　　3、偏最小二乘法在最终模型中将包含原有的所有自变量；

　　Ⅱ.最小二乘法介绍1、最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。

　　2、最小二乘法公式：a=y(平均)-b*x（平均）。

　　Ⅲ.最小二乘法公式怎么算最小二乘法公式是a=y(平均)-b*x（平均），最小二乘法公式是一个数学的公式，最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。

　　利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。

　　Ⅳ.加权最小二乘法加权最小二乘法是对原模型进行加权，使之成为一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数的一种数学优化技术。

　　一般最小二乘法将时间序列中的各项数据的重要性同等看待，而事实上时间序列各项数据对未来的影响作用应是不同的。一般来说，近期数据比起远期数据对未来的影响更大。因此比较合理的方法就是使用加权的方法，对近期数据赋以较大的权数，对远期数据则赋以较小的权数。