把实际的某问题转化成最小二乘优化问题，形式如下：
X：系数矩阵，已知量
y：因变量，列向量，已知量
a：待优化参数，列向量，未知量对上式进行推算：
因
与
互为转置，且最终都是一个标量，因此它们相等
等价于求极值：
此时有用的公式：
得到结果：
求a变成了求上述带矩阵的方程式。线性方程组求解：
上述问题转为线性方程组求解问题：
令：
则问题转化为：
求解方式有以下：
- 若 A 可逆，直接左右乘A逆即可。但是我们很难做出这样的假设，无法保证A可逆。
- numpy.linalg.solve() 方法，使用的是 LU分解的解法。
- 还可使用梯度下降法
