在进行线性回归的时候，通过最小二乘法来求解模型中的系数是一种常见的方法。最小二乘法是通过最小化残差平方和来得出模型中系数的方法，而残差是指实际观测值与模型预测值之间的差异。因此，最小二乘法是为了让模型的预测值尽可能地接近真实观测值。
最小二乘法是最优的原因是因为它具有很多好的性质：
1. 最小二乘法得出的系数是唯一的。也就是说，只要我们选择使用最小二乘法来求解模型中的系数，就能够得到唯一的解。
2. 最小二乘法得出的系数具有最小的方差。方差是指模型预测值与真实观测值之间的差异的平方的平均值。因此，使用最小二乘法得到的系数是使方差最小的系数，这也就意味着我们使用最小二乘法得到的系数具有最小的预测误差。
3. 最小二乘法易于计算。最小二乘法的计算过程非常简单，易于实现，并且计算量很小，即使对于大型数据集也可以很快地得到结果。
因此，我们可以得出结论，最小二乘法是最优的方法，因为它能够得到唯一的解，并能够求出具有最小预测误差的系数，而且计算过程简单，易于实现；曲线拟合App就是按照最小二乘法的原理将数据曲线化的。