Pip工具安装
目录
学习资源：
python学习一（python与pip工具下载与安装） - CSDN博客 https://blog.csdn.net/yong_qi2015/article/details/79166431
安装pip之前，确保python已经安装好了。
找到Python安装目录下的easy_install工具
采用cd命令进入到Scripts 目录下面
回车
回车，出现
输入命令：easy_install pip
开始安装pip。
回车，出现
pip安装成功后，在cmd下执行pip，将会有如下提示。
pip 是一个安装和管理 Python包的工具。
使用pip来安装第三方库
对于Numpy、sklearn库安装，可以通过以下快捷的方式：
回车，然后就等待吧，时间大概1,2分钟
看这个情况，应该需要更新。不过先暂时忽略吧。
再安装sklearn库
安装好后，我再更新了pip
至此，Python以及pip工具已经安装完成。
附注：python版本是python3+，有些库要重装。比如matplotlib
练习第一个程序：反馈
Traceback (most recent call last):
File "F:\Program Files\Python37\textpy\Test.py", line 1, in <module>
import matplotlib.pyplot as plt
ModuleNotFoundError: No module named 'matplotlib'
学习资源：解决python中使用matplotlib时候出现ImportError: No module named _tkinter - CSDN博客 https://blog.csdn.net/jainszhang/article/details/79211131
解决方法，cmd键入pip install matplotlib，即重新安装matpoltlib.
最后，完成了
代码：
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model
from sklearn.metrics import mean_squared_error, r2_score
experiences = np.array([0,1,2,3,4,5,6,7,8,9,10])
salaries = np.array([103100, 104900, 106800, 108700, 110400, 112300, 114200, 116100,
117800, 119700, 121600])
# 将特征数据集分为训练集和测试集，除了最后5个作为测试用例，其他都用于训练
X_train = experiences[:7]
X_train = X_train.reshape(-1,1)
X_test = experiences[7:]
X_test = X_test.reshape(-1,1)
# 把目标数据（特征对应的真实值）也分为训练集和测试集
y_train = salaries[:7]
y_test = salaries[7:]
# 创建线性回归模型
regr = linear_model.LinearRegression()
# 用训练集训练模型——看就这么简单，一行搞定训练过程
regr.fit(X_train, y_train)
# 用训练得出的模型进行预测
diabetes_y_pred = regr.predict(X_test)
# 将测试结果以图标的方式显示出来
plt.scatter(X_test, y_test, color='black')
plt.plot(X_test, diabetes_y_pred, color='blue', linewidth=3)
plt.xticks(())
plt.yticks(())
plt.show()