Mindste kvadraters metode er en matematisk metode til approksimation af en funktion med en linearkombination af givne funktioner. Metoden er udviklet uafhængigt af hinanden af både Gauss og Legendre og anvendes ofte i regressionsanalyse til at finde den bedste funktionssammenhæng for et sæt af målte data. Fx finder man den bedste rette linje \(y = ax+b\) gennem et sæt af \(n\) punkter \((x_1,y_1),...,(x_n,y_n)\) ved først at danne kvadratsummen \((ax_1 + b – y_1)^2 + \dots + (ax_n+b-y_n)^2\) og derefter forlange, at summen skal være minimal. Derved får man to ligninger for koefficienterne \(a\) og \(b\), som umiddelbart kan løses.