42.1 玩具数据集

在本步骤，我们将创建一个用于实验的小型数据集。这个小型数据集称为玩具数据集（toy datasets）。考虑到重现性，我们用固定的随机种子创建数据，具体代码如下。

import numpy as np  
np.random.seed(0)  
x = np.random.randint(100, 1)  
y = 5 + 2 * x + np.random.randint(100, 1)

上面的代码创建了一个由变量 $x$ 和 $y$ 组成的数据集。这些数据点沿直线分布，是在 $y$ 上增加作为噪声的随机数得到的。图42-1展示了这些 $(x, y)$ 数据点的分布情况。

图42-1 本步骤使用的数据集

如图42-1所示，虽然x和y之间呈线性关系，但数据中存在噪声。我们的目标是创建根据x值预测y值的模型(式子)。

根据 $x$ 值预测实数值 $y$ 的做法叫作回归(regression)。另外，当预测模型呈线性(直线)时，这种回归分析称为线性回归。