没看懂最后画对比图具体代码？x 轴是每个特征精度，y轴值是啥？最后可以把画图那部分代码复制再在下面吗

我这里没有best- estimator属性等但是可以运行

老师 如何设置每一簇的图例

plt.scatter(X[:,0],X[:,1],c=predict_res,label=['0','1'])
plt.legend()
plt.show()

老师 机器学习中使用模型在进行拟合或者预测的时候，传入的数据可以是numpy数组或者是DataFram数据吗？

老师，这个求线性回归的方法和scipy.stats中的linregress()方法求回归有什么区别？

这个线性回归模型建好之后用来干嘛的啊？每次模型建好后都只是测试了一下分数，没做预测，也没用来计算，感觉没啥实际用处呀，能不能说下工作中建好模型用来干嘛的?

请问数据集dataset是哪里来的？

from sklearn import datasets

X = boston.data
y = boston.target

lambdas_替换成

eigenvalues_

为什么在运行搜索最佳超参数组合后显示“Found input variables with inconsistent numbers of samples: [1078, 719]”

j是啥，固定要加的吗

老师，咱这个标签的值都没有变化啊

老师，就是这节视频里代码的k和p，为什么是这个范围内

plot_decision_boundary(tree1,axis=[-1.5,2.5,-1,1.5])

老师 绘图函数是使用的课件里面的绘图函数为什么绘制结果没有点呢，只有分界？

# 以批量梯度下降法为例
def BGD(X_b,y,initial_theta,eta=0.01,iters=1e4,epsilon=1e-4):
    theta = initial_theta   # 将参数的初始值赋给theta变量
    curr_iter = 1
    while curr_iter < iters:   # 判断迭代次数
        gradient = dJ(X_b,y,theta)  # 计算当前theta对应的梯度
        last_theta = theta  # 先保存theta的旧值
        theta = theta - eta * gradient  # 更新theta
        cost_value = J(X_b,y,theta)  # 计算更新后的theta对应的损失函数值
        last_cost_value = J(X_b,y,last_theta)  # 计算更新前的theta对应的损失函数值
        # 如果两次损失函数的值相差的非常小，则认为损失函数已经最小了
        if abs(cost_value - last_cost_value) < epsilon:
            break
        curr_iter += 1  # 每次迭代完毕，迭代次数加1
    return theta,cost_value   # 返回最佳的theta和对应的损失函数值
# 拼接训练样本的X_b
X_b = np.hstack([np.ones((len(X_train_std),1)),X_train_std])
# 初始化theta
initial_theta = np.random.random(size=(X_b.shape[1]))
theta,cost_value = BGD(X_b,y_train,initial_theta,iters=1e5)
print("搜索的最佳参数是：",theta)