机器学习 -- 线性回归（Ⅳ 向量化）

        上节对于a的计算，使用循环的方式依次计算分子分母的m项然后进行相加。使用for循环性能效率较低，若能变成向量间的运算则性能会有较大提升。

（1）仔细观察分子分母，发现都对应于这种模式的向量相乘：

（2）转换成向量化运算：

（3）函数改进：只需要在fit函数中把循环去掉，分子分母变成对应的点乘即可。

numerator = (x_train - x_mean).dot(y_train - y_mean)
denominator = (x_train - x_mean).dot(x_train - x_mean)

（4）修改完的fit函数实现：

    # 根据训练数据集x_train，y_train训练简单线性回归模型
    def fit(self, x_train, y_train):
        assert x_train.ndim == 1, \
            "简单线性回归仅能解决单特征训练数据ÿ