1、用sklearn.linear_model包中的LinearRegression对表3-1所示的示例进行线性回归实验，比较结果。

import matplotlib.pyplot as plt
import numpy as np
from sklearn.linear_model import LinearRegression
#plt.axis([0, 50, 0, 300])
data = np.array([[15,136], [20,140],[25,155], [30,160], [35,157], [40,175]], np.int32)
x = data[:,0:-1]#从第0列开始到倒数第2列停止
y = data[:,-1] #取出最后一列

print(np.shape(x), np.shape(y))
model = LinearRegression().fit(x,y)
print(model.predict([[169]]))  #注意model.predict()中要预测的数据跟训练数据x的shape保持一致
print(model.coef_)#coef_：回归系数(斜率)
print(model.intercept_)#intercept_：截距项
print(model.score(x,y))# 返回预测的决定系数R^2; 

plt.scatter(x,y)
plt.plot(x, model.predict(x))
plt.show()

1. 写出用迭代法求解方程的迭代关系式。

import math
#def f(x):
x=0
for i in range(50):
 x=(x**5+x**4+(math.e**x)+1)/11
 print(str(i)+":"+str(x))