Merge pull request apachecn#345 from Lisanaaa/patch-6

Update 8.预测数值型数据：回归.md

Author: jiangzhonglian

docs/8.预测数值型数据：回归.md

@@ -392,6 +392,20 @@ def regression2():
 
 > 测试算法: 使用 rssError()函数 计算预测误差的大小，来分析模型的效果
 
+```python
+def rssError(yArr,yHatArr):
+    '''
+    Desc:
+        返回真实值与预测值误差大小
+    Args：
+        yArr：样本的真实值
+        yHatArr：样本的预测值
+    Returns:
+        一个数字，代表误差
+    '''
+   return ((yArr-yHatArr)**2).sum()
+```
+
 ```python
 # test for abloneDataSet
 def abaloneTest():
@@ -634,7 +648,7 @@ def regression4():
 
 ![生成公式](../images/8.Regression/LinearR_16.png)
 
-其中的 N(0, 1) 是一个均值为 0、方差为 1 的正态分布。我们尝试过禁用一条直线来拟合上述数据。不难想到，直线所能得到的最佳拟合应该是 3.0+1.7x 这一部分。这样的话，误差部分就是 0.1sin(30x)+0.06N(0, 1) 。在上面，我们使用了局部加权线性回归来试图捕捉数据背后的结构。该结构拟合起来有一定的难度，因此我们测试了多组不同的局部权重来找到具有最小测试误差的解。
+其中的 N(0, 1) 是一个均值为 0、方差为 1 的正态分布。我们尝试过仅用一条直线来拟合上述数据。不难想到，直线所能得到的最佳拟合应该是 3.0+1.7x 这一部分。这样的话，误差部分就是 0.1sin(30x)+0.06N(0, 1) 。在上面，我们使用了局部加权线性回归来试图捕捉数据背后的结构。该结构拟合起来有一定的难度，因此我们测试了多组不同的局部权重来找到具有最小测试误差的解。
 
 下图给出了训练误差和测试误差的曲线图，上面的曲面就是测试误差，下面的曲线是训练误差。我们根据 预测鲍鱼年龄 的实验知道: 如果降低核的大小，那么训练误差将变小。从下图开看，从左到右就表示了核逐渐减小的过程。