最小二乘法C#实现，简单代码

根据http://zh.wikipedia.org/wiki/%E6%9C%80%E5%B0%8F%E4%BA%8C%E4%B9%98%E6%B3%95里面的说法：

线性函数模型

典型的一类函数模型是线性函数模型。最简单的线性式是，写成矩阵式，为

直接给出该式的参数解：

 和 

其中，为t值的算术平均值。也可解得如下形式：

b1为斜率，b0为截距，可以先根据x,y数组，以及上面的公式先计算出斜率，再计算截距。

因为原来参考代码中，返回为一个数组，根据与原来代码的兼容性，调用LinearResult(double[],double[])方法返回是一个数组。result[0]为斜率，result[1]为截距。

 class Linear
    {
        public double[] LinearResult(double[] arrayX, double[] arrayY)
        {
            double[] result = { 0, 0 };

            if (arrayX.Length == arrayY.Length)
            {
                double averX = arrayX.Average();
                double averY = arrayY.Average();
                result[0] = Scale(averX, averY, arrayX, arrayY);
                result[1] = Offset(result[0],averX,averY);
            }

            return result;
        }

        private double Scale(double averX, double averY, double[] arrayX, double[] arrayY)
        {
            double scale = 0;
            if (arrayX.Length == arrayY.Length)
            {
                double Molecular = 0;
                double Denominator = 0;
                for (int i = 0; i < arrayX.Length; i++)
                {
                    Molecular += (arrayX[i] - averX) * (arrayY[i] - averY);
                    Denominator += Math.Pow((arrayX[i] - averX), 2);
                }
                scale = Molecular / Denominator;
            }

            return scale;
        }

        private double Offset(double scale, double averX,double averY)
        {
            double offset = 0;
            offset = averY - scale * averX;
            return offset;
        }
    }