在这个作业中，我们将用梯度下降方法预测PM2.5的值 hw1要求： 1、要求python3.5+ 2、只能用（1）numpy（2）scipy（3）pandas 3、请用梯度下降手写线性回归 4、最好的公共简单基线 5、对于想加载模型而并不想运行整个训练过程的人： 请上传训练代码并命名成 train.py 只要用梯度下降的代码就行了 hw_best要求： 1、要求python3.5+ 2、任何库都可以用 3、在kaggle上获得你选择的更高的分
数据介绍： 本次作業使用豐原站的觀測記錄，分成train set跟test set，train set是豐原站每個月的前20天所有資料test set則是從豐原站剩下的資料中取樣出來。 train.csv:每個月前20天每個小時的氣象資料(每小時有18種測資)。共12個月。 test.csv:從剩下的資料當中取樣出連續的10小時為一筆，前九小時的所有觀測數據當作feature，第十小時的PM2.5當作answer。一共取出240筆不重複的test data，請根據feauure預測這240筆的PM2.5。
自己的实践能力很差，所以本次作业只能读他人的博客，对于一些不懂的地方予以理解。
.iloc：根据标签的所在位置，从0开始计数，选取列
concat 方法用于连接两个或多个数组。
python assert断言是声明其布尔值必须为真的判定，如果发生异常就说明表达示为假。可以理解assert断言语句为raise-if-not，用来测试表示式，其返回值为假，就会触发异常。
numpy中的stack操作：hstack()、vstack（）、stack（）、dstack（）、vsplit（）、concatenate（）
stack（）：沿着新的轴加入一系列数组。vstack（）：堆栈数组垂直顺序（行）hstack（）：堆栈数组水平顺序（列）。dstack（）：堆栈数组按顺序深入（沿第三维）。concatenate（）：连接沿现有轴的数组序列。vsplit（）：将数组分解成垂直的多个子数组的列表。用法：zeros(shape, dtype=float, order='C')
返回：返回来一个给定形状和类型的用0填充的数组；
参数：shape:形状
dtype:数据类型，可选参数，默认numpy.float64
dtype类型：t ,位域,如t4代表4位
b,布尔值，true or false
i,整数,如i8(64位）
u,无符号整数，u8(64位）
f,浮点数，f8（64位）
c,浮点负数，
o,对象，
s,a，字符串，s24
u,unicode,u24
order:可选参数，c代表与c语言类似，行优先；F代表列优先
ones和zeros用法相似。
希望自己能慢慢记录，革命尚未成功，同志仍需努力！
