Total least squares

小二乘法）。然而，对于图形和图像应用，几何拟合可以提供最佳的视觉拟合；它通常试图使到曲线的正交距离最少（例如整体最小二乘法（英语：total least squares）），或以其他方式将点和曲线之间两个轴的方向上的偏移都考虑在内。由于往往需要非线性和/或迭代运算，尽管几何拟合的结果有更美观和几何上更准确的优势，但实际上较少使用。

偏最小二乘回归（英語：Partial least squares regression， PLS回归）是一种统计学方法，与主成分回归有关系，但不是寻找响应和独立变量之间最小方差的超平面，而是通过投影预测变量和观测变量到一个新空间来寻找一个线性回归模型。因为数据X和Y都会投影到新空间，PLS系列的方

（回归系数）的方法是普通最小二乘法（英語：ordinary least squares，簡稱OLS），它基於誤差值之上。用這種方法估计 β {\displaystyle \beta } ，首先要計算残差平方和（residual sum of squares；RSS），RSS是指将所有误差值的平方加起來得出的数：

广义最小二乘法（英語：generalized least squares，GLS）是統計學中的一个方法，当回归模型中的残差之间存在一定程度的相关性时，它可以被用于估计线性回归模型中的未知参数。最小二乘法和加权最小二乘法可能需要提高统计效率并防止误导性推论。GLS由新西兰数学家亚历山大·艾特肯（Alexander

linalg：线性代数工具。 misc（杂项）：杂项例如示例图片。 ndimage（n-维图像）：用于多维图像处理的函数。 ODR：正交距离回归（英语：Total_least_squares）（Orthogonal Distance Regression）的类与算法。 optimize（优化）：优化算法例如线性规划。 signal（信号）：信号处理工具。