机器学习算法基础（回归算法、逻辑回归、k-means聚类算法）

第一部分 回归算法

（一）线性回归

线性模型

线性回归

损失函数（误差大小）

减小误差的方法

正规方程

梯度下降

正规方程、梯度下降API

回归性能评估

回归评估API

两种方法的总结

（二）欠拟合与过拟合

定义

产生原因及解决方法

（三）岭回归——带正则项的线性回归

正则化

岭回归API

代码实例——预测波士顿的房价

from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression,SGDRegressor,Ridge
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error
import numpy as np


def myliner():
    '''
    线性回归直接预测房子价格
    '''
    #获取数据
    lb=load_boston()
    #分割数据集到训练集和测试集
    x_train,x_test,y_train,y_test=train_test_split(lb.data,lb.target,test_size=0.25)
    #进行标准化处理，特征值和标准值都必须进行标准化处理
    std_x=StandardScaler()
    x_train=std_x.fit_transform(x_train)
    x_test=std_x.transform(x_test)
    std_y = StandardScaler()
    y_train = std_y.fit_transform(y_train.