1.本节重点知识点用自己的话总结出来，可以配上图片，以及说明该知识点的重要性
首先我们学习了线性回归算法，那什么是线性回归呢，最简单最通俗的讲就是一个一元一次方程f(x)=y，一个自变量y对应一个因变量y，如果是复杂一点的话就是下面这幅图描述的关系了，线性回归可以是一条直线，也可以是一个平面
回归和分类的区别
矩阵和矩阵的相关运算
损失函数
2.思考线性回归算法可以用来做什么？（大家尽量不要写重复）
音乐流行趋势，学生成绩排名预测，中国人口增长预测
3.自主编写线性回归算法 ，数据可以自己造，或者从网上获取。（加分题）
import pandas as pd
from pylab import mpl, clf
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
mpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["axes.unicode_minus"] = False
data = pd.read_csv('./201706120059软一何斌文1.csv', encoding='utf-8')
x = data[['建筑面积']]
y = data[['总价']]
plt.scatter(x, y, c="red", marker='o', label='see')
plt.xlabel('建筑面积')
plt.ylabel('总价')
plt.legend(loc=2)
plt.show()
X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=1)
liner = LinearRegression()
liner.fit(X_test, y_test)
z = liner.predict(X_train)
plt.scatter(X_train, z, c="red", marker='o', label='see')
plt.xlabel('建筑面积')
plt.ylabel('总价')
plt.legend(loc=2)
plt.show()
