加权最小二乘法是一种常用的线性回归方法。在数据挖掘中，它最常用于拟合一些有异常点的数据。加权最小二乘法的思想是把样本点上的误差平方的加权平均值最小化，即最小化加权残差平方和。
我们知道，最小二乘法的目的是要使拟合函数和实际数据之间的误差最小化。但在存在异常点的样本数据中，这样的拟合方式可能会对异常点进行过度拟合，导致整个模型的偏差较大，严重影响到模型的预测能力。加权最小二乘法通过对样本点进行加权，降低了异常点的影响，从而提高了回归模型的精度。
实际应用中，加权最小二乘法通常具有较好的稳定性和适用性。它在大多数回归分析中都能够很好的发挥作用，例如医学领域中的药效分析、经济领域中的数据预测等。
加权最小二乘法是一种实际应用非常广泛的回归分析方法。通过在原有线性回归方法上给样本点加权，它能够有效的降低异常点的影响，提高回归模型的精度。