對于想深入了解線性回歸的童鞋，這里給出一個完整的例子，詳細學完這個例子，對用scikit-learn來運行線性回歸，評估模型不會有什么問題了。
1. 獲取數(shù)據(jù)，定義問題
沒有數(shù)據(jù)，當然沒法研究機器學習啦。:) 這里我們用UCI大學公開的機器學習數(shù)據(jù)來跑線性回歸。
數(shù)據(jù)的介紹在這： http://archive.ics.uci.edu/ml/datasets/Combined+Cycle+Power+Plant
數(shù)據(jù)的下載地址在這： http://archive.ics.uci.edu/ml/machine-learning-databases/00294/
里面是一個循環(huán)發(fā)電場的數(shù)據(jù)，共有9568個樣本數(shù)據(jù)，每個數(shù)據(jù)有5列，分別是:AT（溫度）, V（壓力）, AP（濕度）, RH（壓強）, PE（輸出電力)。我們不用糾結(jié)于每項具體的意思。
我們的問題是得到一個線性的關(guān)系，對應PE是樣本輸出，而AT/V/AP/RH這4個是樣本特征， 機器學習的目的就是得到一個線性回歸模型，即:
延伸閱讀
學習是年輕人改變自己的最好方式