第二天：简单线性回归
step1:数据初处理。（同第一天的内容：导入库，导入数据集、处理丢失数据、分隔数据集、特征缩放。） step2:用训练集匹配简单的线性模型（使用sklearn.linear_modle的LinearRegression类，然后在使用LinearRegression类的regressor对象，再用LinearRegression类中的fit()方法来训练regressor对象） step3:预测结果（通过测试集来预测结果，把结果保存在向量Y_pred） step4:可视化（使用matplotlib.pyplot库来制作散点图）

代码：

step2 使用线性模型来训练

from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor = regressor.fit(X_train,Y_train)

step3 预测结果

Y_pred = regressor.predict(X_test)

step4 可视化

plt.scatter(X_train,Y_train,color = 'red')
plt.plot(X_train,regressor.predict(X_train),color='blue')

plt.scatter(X_test,Y_test,color='red')
plt.plot(X_test,regressor.predict(X_test),color='blue')

plt.show() #让图像显示出来