公共机房内。
齐凡一边翻着书，一边调试着代码。
波士顿房价预测线性回归。
其实就是以线性回归的方式，根据一份波士顿地区的历史房价数据，预测未来的房价走势。
齐凡腹诽，不愧是资本主义国家，即便是举个例子，都是充满了金钱的味道。
其实这所谓的预测房价就是个扯淡，所谓的波士顿房价预测也没有任何意义，不过就是拿这一份数据集来演示线性回归而已。
至于线性回归，齐凡已经了解的差不多了。
它的公式巨简单。
【y=wx+b】
不过，y、w、x、b都是向量，并非是初高中数学多元一次方程中的未知数。
普通的“x”是这样的：x=1。
向量的“x”是这样的：x=[0，1，2，3，4，5，6，7，8，9]。
但向量运算除了有其自身一套规则之外，其实和非向量运算也差不多。
向量本质上不过是将数据升维而已，也可以理解成是数据属性的扩充。
就拿波士顿房价数据集来说。
“x”代表了各项评估指标。
[‘CRIM‘，‘ZN‘，‘INDUS‘，‘CHAS‘，‘NOX‘，‘RM‘，‘AGE‘，‘DIS‘，‘RAD‘，‘TAX‘，‘PTRATIO‘，‘B‘，‘LSTAT‘]
CRIM：城镇人均犯罪率。
ZN：住宅用地超过25000平方英尺的比例。
INDUS：城镇非零售商用土地的比例。
CHAS：查理斯河空变量（如果边界是河流，则为1；否则为0）。
NOX：一氧化氮浓度。
RM：住宅平均房间数。
AGE：1940年之前建成的自用房屋比例。
DIS：到波士顿五个中心区域的加权距离。
RAD：辐射性公路的接近指数。
TAX：每10000美元的全值财产税率。
PTRATIO：城镇学生数：教师数的比例。
B：1000^2，其中Bk指代城镇中黑人的比例。
LSTAT：人口中地位低下者的比例。
-----------------
“y”代表了最终的输出结果。
由于房价预测只有一个输出结果，也就是房价。所以y这个向量只有一维，而一维的向量其实就是個普通变量。
整个计算过程，就是要根据数据集给定的x和y的值，来预测出一对最精确的w和b的值。
齐凡脑海中出现了一张二维坐标系。
那几百个房价数据样本，就是坐标系中不同的点。而所谓的线性预测，其实就是找到一条直线，能最大程度将这些样品上的点串起来。
至于为什么是一条直线，而不是曲线，因为它是线性的。
当然，其实这个并非二维空间的问题。
x向量代表的样本属性有13个，y向量代表的最终输出是1个，那加起来总共有14维。
别说是14维，就算是4维的图形也没法在三维世界中画出来。
但是，不画出来也没事。可以降维嘛，将14维等价理解成二维的xy坐标系，对于计算是没有任何影响的。
齐凡在贤者饮料加持下，心无旁骛。他的视野中只有电脑屏幕和摊开的书本。
齐凡对Numpy科学计算库的使用还不熟练，每当遇到问题，就只能靠谷哥搜索来解决。
Numpy是一套科学计算库，支持对向量的计算，当然它的作用远不仅止于此。
用代码实现普通的加减乘除计算是很简单的，可要是实现向量计算就搞笑了。如果自己写一套软件来实现向量计算，那属实是一件极其麻烦的事情，甚至有些天方夜谭。
好在世界上的有一种组织--开源软件基金会。它们把大量的需要耗费极大人力才能完成的软件，无偿的开放给全世界使用。比如齐凡正在使用的Numpy就是。
开源是一件功德无量的事情。如果齐凡此刻没有Numpy，那他不知还要多花多少时间先造工具。就如一名厨师没有菜刀，不得不先买块铁自己锻造打磨一把。
也正因为此，闭源的巨硬公司口碑向来不咋滴。
这个例程还算初级，齐凡很快就写好了代码。然后开始调试。