最小二乘回归

最小二乘回归是一种数学方法，能在一堆散乱的数据点中画出那一条最佳直线。想象你把一根绷紧的线穿过一团点，让它尽可能靠近所有的点——不必碰到每一个，而是在它们之间公平地取得平衡。这条尽可能公平的线，就是最小二乘所找到的。

它遵循一条清晰的规则：对每个点，量出它落在线上方或下方有多远，把这个距离平方，再把所有平方加起来。最佳直线就是使这个总和尽可能小的那一条——所以叫「最小二乘」。平方既能防止正负偏差互相抵消，又对大偏差罚得更重，把直线拉向数据的主体。

它之所以重要，是因为校准曲线很少靠肉眼来画——眯着眼对点容易带入偏见。最小二乘给出一条客观、可重复的直线方程，连同它的斜率（即灵敏度）和截距，还能让你估算从中反读出的浓度有多少不确定度。一个常见的提醒：它假定各个浓度处的散布程度相近，而这并不总是成立。