老师，这个部分前面不是安装过了吗

出现这种情况怎么办啊，将shade=True改成fill = True,不报错，但出现空白图，没有上色

我的代码是：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
#读取数据
data=pd.read_csv('D:/project1/text/实战保险花销代码/代码/data/insurance.csv')
print('读取数据表格为：')
print(data.head())#生成表格n列
#EDA数据探索
#plt.hist(data['charges'])#hist柱状图,但该图像右偏，用log进行正态化
plt.hist(np.log(data['charges']))
sns.kdeplot(data.loc[data.sex=='male','charges'],shade=True,label='male')
sns.kdeplot(data.loc[data.sex=='female','charges']shade=True,label='female')

plt.show()

老师您好，请问能推荐一下机器学习的书籍吗？希望能闲暇时间看下书。

但是进阶版和原来的train和test划分可能不一样，这样子去导致的MSE变动，而不是特征的原因呢？？？

老师，假设误差项服从正态分布，是不是假设Y和X的线性回归模型是有效刻画了两者的关系的，就是建立的这个线性模型中X是可以通过线性的方式去描述Y的。只有模型刻画的关系正确，误差项才是随机、独立的，所以才会服从正态分布？ 

那什么情况下误差项又会服从泊松分布、平均分布、二项分布呢？

老师，这里采用的是第一列进行作图，那是不是采取第二列作图也是可以的呢，这有没有什么选择标准

numpy np
matplotlib.pyplot plt
sklearn.linear_model LinearRegression

x1 = *np.random.rand()
x2 = *np.random.rand()
x3 = *np.random.rand()
X = np.c_[x1x2x3]
y = + *x1 +*x2+*x3+ np.random.randn()

reg = LinearRegression(=)
reg.fit(Xy)
(reg.intercept_reg.coef_)

X_new = np.array([[][][]])
y_predict = reg.predict(X_new)

plt.plot(X_new[:]y_predict)
plt.plot(x3y)
plt.axis([])
plt.show()

预测的不hi是很好啊？？？

老师你好，请教一下这个小节里提到的y、X1和X2是否一定要两两正交？如果是两两正交的话，那么他们是否一定相互独立？

老师你好，请教一下这个小节里提到的y、X1和X2是否一定两两正交？如果是两两正交的话，那么他们是否一定相互独立？

J(θ)为什么等于后面1/2(hθ(x)-y)²呢,MSE不是等于1/mΣ(yhat-y)²吗

老师这里显示没有这个 sklearn 怎么弄，我这里用的是python, 3.9，是要用3.6才行的吗？

老师 把非线性相关的数据用多项式升维处理成线性相关数据

然后带入线性算法里

这是属于用先行算法 算出线性模型吗，还是这个模型还是属于非线性啊~

（蓝点是样本，绿色的线是没有处理数据的模型，黄色和红色是数据升维后的模型）

老师 损失函数不是 XW - y_hat 吗，为啥加了正则项的这几个都是 （XW - y) 的平方啊

老师 为什么损失函数加上L1或L2正则惩罚项 ，可以提高模型的泛化能力啊，加L1加L2都行吗

老师，三种梯度下降都是每一轮都需要用到全量数据，

那300首诗，分成6个批次，每批1周，一轮就是6周，要训练20轮，是不是需要120周啊

随机梯度下降，假设有300个数据，需要300个批次，就是一轮300个批次下来，有可能有的数据没选到是吗~

还有小批量梯度下降，文档上说，batch_size大需要的轮次就少，“轮次”是不是应该改成“批次”啊