该实验聚焦于学习机器学习回归和机器学习库sklearn的使用，在该实验中我完成了以下几个demo：
- 随机生成自变量x的数据，并添加随机噪声构建y，模拟实际情况中可能存在的测量误差或其他干扰隐私，拟合模型y=3x+2
- 波士顿房价预测： 使用波士顿房价数据集，该数据集包含不同特征（如房间数、房龄、距离市中心的距离等）以及相应的房价信息，构建模型预测房价。
很遗憾的是
load_boston数据集已被scikit-learn移除，因此我们选择使用加利福尼亚的放假数据集构建预测模型
- 乳腺癌检测实例： 我们使用经典的乳腺癌数据集（Breast Cancer Dataset）进行乳腺癌检测预测（该数据集包含569个样本，每个样本有30个特征，并标记为良性 0 或恶性 1 ）训练一个逻辑回归模型，预测新的样本是良性还是恶性。