笔记——多个变量的线性回归平面

老师留了这么个作业，莫名其妙的，暂且顺着思路做个雏形试了试，不知道是否严谨，先记下来。

先整一个最简单的思路
一，首先是画图。X,Y,Z是数组数据，然后下面的代码一看就可以理解，求出a,b,c就可以画了。

Z = a*X + b*Y + c
surf = ax.plot_surface(X, Y, Z, cmap=cm.Greens,linewidth=0, antialiased=False)

X,Y,Z我们这么取：

X = np.arange(-5, 5, 0.25) #取值范围-5到5，间隔0.25
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y) #根据X,Y整一大堆点，嗯，先这么理解

二，开始求a,b,c。预测平面方程就是上面的z=ax+by+c, 给出一堆点（x,y,z），我们要求出a,b,c的值，使这些点到平面的距离最小

def error(p):   #顺着思路定义个相关函数
    a,b,c= p
    return z-(a*x+b*y+c)

x = np.random.randint(-5, 5, 16)   #生产随机数，假装这就是实验数据
y =