🔑 名詞卡
最小平方估計（Ordinary Least Squares, OLS）
🎯 定義
一種以「誤差最小化」為目標的參數估計方法，透過找出一組參數使預測值與實際觀測值差異的平方總和最小，是線性迴歸求解參數的核心方法。
重點／應用
- 幾何觀點：線性迴歸的本質是一種「投影」——將輸入資料在特徵空間中投影到最接近實際結果的平面上。
- 資料若分佈過於分散或存在離群點，擬合出的平面會受到扭曲，這也是線性迴歸對離群值敏感的原因。
記憶技巧
「OLS = 找一個平面，讓所有點到平面的距離平方和最小」。
易混淆
- vs 線性迴歸：線性迴歸是模型（要解決的問題），OLS 是求解該模型參數最常用的方法（求解手段）。
📖 課文原文「最小平方估計（Ordinary Least Squares, OLS）是一種以『誤差最小化』為目標的參數估計方法⋯這樣的方式不僅能提供穩定且具代表性的模型，也具備清楚的幾何與統計意義。」