最小二乘法原理是求使得离差平方和最小的参数，这里的离差就是真实值与预测值的偏差。

正确答案是：B: Σ(yᵢ-ŷᵢ)²取得最小。

### 专业分析：

最小二乘法是一种用于估计线性回归模型参数的方法，其目的是使观测值与预测值之间的误差平方和最小化。具体来说，给定一组观测数据点 \((xᵢ, yᵢ)\)，我们希望找到一条直线 \(ŷ = a + bx\) 来拟合这些数据点，使得所有数据点到这条直线的垂直距离的平方和最小。

在这个过程中，我们定义：
- \(yᵢ\) 为实际观测值。
- \(ŷᵢ\) 为通过回归方程预测的值，即 \(ŷᵢ = a + bxᵢ\)。

最小二乘法的目标是最小化误差平方和，即：
\[ \sum (yᵢ - ŷᵢ)² \]

选项分析：
- 选项A: Σ(yᵢ-ŷᵢ)取得最小，这表示的是误差的绝对值和取得最小，但这不是最小二乘法的目标。
- 选项B: Σ(yᵢ-ŷᵢ)²取得最小，这正是最小二乘法的目标。
- 选项C: Σ(yᵢ-ӯᵢ)取得最小，其中ӯᵢ并不是标准符号，可能是误写，不影响判断。
- 选项D: Σ(yᵢ-ӯᵢ)²取得最小，其中ӯᵢ并不是标准符号，可能是误写，不影响判断。

因此，最小二乘法的正确答案是B: Σ(yᵢ-ŷᵢ)²取得最小。