Merge pull request #164 from chenyyx/master

修改第8章回归文章，添加代码链接，第9章，树回归

Author: chenyyx

docs/8.预测数值型数据：回归.md

@@ -3,7 +3,7 @@
 
 ![预测数值型数据回归首页](../images/8.Regression/预测数值型数据回归首页.png "回归Regression首页")
 
-## 回归（Regressiovn） 概述
+## 回归（Regression） 概述
 
 `我们前边提到的分类的目标变量是标称型数据，而回归则是对连续型的数据做出处理，回归的目的是预测数值型数据的目标值。`
 
@@ -169,6 +169,7 @@ def regression1():
     ax.plot(xCopy[:, 1], yHat)
     plt.show()
 ```
+[完整代码地址](https://github.com/apachecn/MachineLearning/blob/master/src/python/8.PredictiveNumericalDataRegression/regression.py): <https://github.com/apachecn/MachineLearning/blob/master/src/python/8.PredictiveNumericalDataRegression/regression.py>
 
 ##### 1.5.3、线性回归 拟合效果
 
@@ -328,6 +329,7 @@ def regression2():
     ax.scatter(xMat[:,1].flatten().A[0], mat(yArr).T.flatten().A[0] , s=2, c='red')
     plt.show()
 ```
+[完整代码地址](https://github.com/apachecn/MachineLearning/blob/master/src/python/8.PredictiveNumericalDataRegression/regression.py): <https://github.com/apachecn/MachineLearning/blob/master/src/python/8.PredictiveNumericalDataRegression/regression.py>
 
 ##### 2.2.3、局部加权线性回归 拟合效果
 
@@ -416,6 +418,7 @@ def abaloneTest():
     standyHat = mat(abX[100:199]) * standWs
     print "standRegress error Size is:", rssError(abY[100:199], standyHat.T.A)
 ```
+[完整代码地址](https://github.com/apachecn/MachineLearning/blob/master/src/python/8.PredictiveNumericalDataRegression/regression.py): <https://github.com/apachecn/MachineLearning/blob/master/src/python/8.PredictiveNumericalDataRegression/regression.py>
 
 根据我们上边的测试，可以看出: 
 
@@ -519,6 +522,7 @@ def regression3():
     ax.plot(ridgeWeights)
     plt.show()
 ```
+[完整代码地址](https://github.com/apachecn/MachineLearning/blob/master/src/python/8.PredictiveNumericalDataRegression/regression.py): <https://github.com/apachecn/MachineLearning/blob/master/src/python/8.PredictiveNumericalDataRegression/regression.py>
 
 ##### 4.1.2、岭回归在鲍鱼数据集上的运行效果
 
@@ -599,6 +603,7 @@ def regression4():
     weights = standRegres(xMat, yMat.T)
     print (weights.T)
 ```
+[完整代码地址](https://github.com/apachecn/MachineLearning/blob/master/src/python/8.PredictiveNumericalDataRegression/regression.py): <https://github.com/apachecn/MachineLearning/blob/master/src/python/8.PredictiveNumericalDataRegression/regression.py>
 
 ##### 4.3.2、逐步线性回归在鲍鱼数据集上的运行效果
 
@@ -772,6 +777,8 @@ def regression5():
 
 > 使用算法：这次练习的目标就是生成数据模型
 
+[完整代码地址](https://github.com/apachecn/MachineLearning/blob/master/src/python/8.PredictiveNumericalDataRegression/regression.py): <https://github.com/apachecn/MachineLearning/blob/master/src/python/8.PredictiveNumericalDataRegression/regression.py>
+
 ### 6、附加 权衡偏差和方差
 
 任何时候，一旦发现模型和测量值之间存在差异，就说出现了误差。当考虑模型中的 “噪声” 或者说误差时，必须考虑其来源。你可能会对复杂的过程进行简化，这将导致在模型和测量值之间出现 “噪声” 或误差，若无法理解数据的真实生成过程，也会导致差异的产生。另外，测量过程本身也可能产生 “噪声” 或者问题。下面我们举一个例子，我们使用 `线性回归` 和 `局部加权线性回归` 处理过一个从文件导入的二维数据。