二、小试牛刀🎈

• 目标一：搭建好机器学习的环境(anconda/minicoda)

• 目标二：学习基本的线性回归

1.学会使用虚拟环境

由于在实际项目开发过程中，可能会根据情况使用到不同版本的Python解释器或者是一些相互不兼容的Python包，可以通过Conda环境管理器来进行管理。

🎉Step one:

安装miniconda(或者anaconda），并将默认的conda源和pip源替换成清华对应的镜像源。替换方式如下：

在安装完成Miniconda后，为了加快后续Python包安装过程中的下载速度，这里需要将默认的conda源和pip源替换成清华对应的镜像源。替换方式如下：

• 替换conda源：

  • conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    conda config --set show_channel_urls yes

• 替换pip源：

  • pip install pip -U
    pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

• 临时替换源：

  • pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy

🎉Step two:

推荐阅读以下博客：

Conda环境搭建及激活

完成后请在pycharm中关联到你已经创建好的虚拟环境

2.学习基本的线性回归

什么是线性回归？梯度下降，最小二乘法是什么？神经网络又是什么呢？请将你的理解写到本题的学习笔记中

😁在你动手做之前先来欣赏展示如何使用scikit-learn的实例库吧！ sklearn examples

学习基本的线性回归，自己创建数据完成一个简单的线性回归模型，给出可视化结果（要求包括源代码和可视化结果的截图。）

结果示例

🏅提高：你能调用sklearn库中的Boston数据集进行模型训练得到自变量与因变量关系的可视化结果吗？将结果与源代码截图提交。（关于房价的属性可以仅使用几个）