线性拟合参数确定
一般的线性模型是以参数b为系数的广义多项式，即
式中为已知的n个线性无关的连续函数，称为基函数。对诸的不同选取可构成多种典型的和常用的线性模型。
在最小二乘意义下用线性模型拟合离散点组，参数b可通过解方程组来确定，即解关于的线性代数方程组:
该方程组通常称为法方程或正规方程。
至于非线性模型以及非最小二乘原则的情形,参数b可通过解非线性方程组或最优化计算中的有关方法来确定（见非线性方程组数值解法、最优化）。
线性拟合模型选择
对于给定的离散数据,需恰当地选取一般模型中函数f(x,b)的类别和具体形式,这是拟合效果的基础。若已知离散数据的实际背景规律，即因变量y对自变量x的依赖关系已有表达式形式确定的经验公式，则直接取相应的经验公式为拟合模型。反之，可通过对模型中基函数（个数和种类)的不同选取，分别进行相应的拟合并择其效果佳者。函数对模型的适应性起着测试的作用，故又称为测试函数。另一种途径是:在模型中纳入个数和种类足够多的测试函数，借助于数理统计方法中的相关性分析和显著性检验，对所包含的测试函数逐个或依次进行筛选以建立较适合的模型（见回归分析）。当然，上述方法还可对拟合的残差（视为新的离散数据）再次进行，以弥补初次拟合的不足。总之，当数据中变量之间的内在联系不明确时，为选择到相适应的模型，一般需要反复地进行拟合试验和分析鉴别。
