训练集，线性回归，截距，斜率

1、装载数据
''' 数据集说明：x特征变量只有一个分量；样本个数为100个'''
2、划分训练集与测试集
3、用线性回归模型来实例化，在训练集上拟合数据，从而学习出参数w和b
4、输出参数学习的结果
5、计算并输出训练集和测试集上的精度
6、绘制数据集的二维平面图（数据点用红色标识），并根据学习到的参数（即斜率与截距），画出回归直线（用蓝色画线）

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7739025
• 这篇博客你也可以参考下：吴恩达机器学习之多变量线性回归：多维特征、多变量梯度下降、梯度下降法实践之特征缩放和学习率、特征和多项式回归、正规方程及不可逆性（详细笔记，建议收藏，已有专栏）
• 除此之外, 这篇博客: 深度学习框架——学习入门中的 深度学习的总的框架包括以下一些内容：就是对于我们所要的数据进行相关的预处理。包括数据格式的统一以及必要的数据转换，同时进行训练数据集和测试数据集的划分，选择我们所需要的模型，设定相应的损失函数以及优化函数和对应的超参数进行相应的设置，最后使用模型去拟合训练集数据，在验证集和测试集上计算模型表现。 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 提示：以下是本篇文章正文内容，下面案例可供参考

• 您还可以看一下 李月喜老师的企业微信开发自建内部应用开发篇课程中的 开发文档如何阅读,如何寻求帮助,如何找到同行小节, 巩固相关知识点