机器学习-线性回归，局部加权线性回归和岭回归

参考书籍：
《机器学习实战》
相关数学推导知识笔记见我上传的手写pdf

任务：
1）读取数据集’abalone.txt’,输出线性回归最佳参数以及预测值和真实值的误差平方和。

2）读取数据集’ex0.txt’,将数据集分成合适的训练集和测试集，用局部线性回归模型训练数据，选取你认为最佳sigma数值，并说明原因。 提示：分离训练集和测试集代码可参考。

from numpy import *
import matplotlib.pyplot as plt

def loadDataSet(fileName):      #general function to parse tab -delimited floats
    numFeat = len(open(fileName).readline().split('\t')) - 1 #get number of fields 
    dataMat = []; labelMat = []
    fr = open(fileName)
    for line in fr.readlines():
        lineArr =[]
        curLine = line.strip().split('\t')
        for i in range(numFeat):
            lineArr.append(float(curLine[i]))
        dataMat.append(lineArr)
        labelMat.append(float(curLine[-1]))
    return dataMat,labelMat

最小二乘模块：

def standRegres(xArr,yArr):
    xMat = mat(xArr); yMat = mat(yArr).T
    xTx = xMat.T*