最近在看mlapp的第七八章，講的是線性迴歸和邏輯迴歸的內容
當然就難免寫點代碼來進行實驗，總喜歡自己做一些數據而不只是寫一個原函數再加上噪聲
畢竟自己點點點出來然後得到學習的直線比較有feel，所有就需要這樣一個東西：
一個座標系上點點點出一些點，然後自動生成點的數據放在程序裏來跑
估計是東西太小，都沒看人做個，糾結一番還是自己動手做了一個
【【【【【【【【地址在此，請用支持html5的瀏覽器打開】】】】】】】】
我學javascript和html也比較淺，反正各種參考最後是搞出來了
大概的界面就是下面這個樣子，可以輸入寬和高調節座標系的大小
（負數就沒搞出來了，反正是學習用的）
點生成數據按鈕在下面的文本框裏得到數據，可以選擇是否在每個樣例前添加一個常數1（具體啥用知道的都知道）
可以選擇regression（X內容是x的座標，y的內容是點的y軸的座標值）
或者logistic模式（X的內容是點的完整座標，y的內容是點的標號）
默認是regression模式的
生成的數據可以直接放在python裏面跑，比如：
生成的數據放在python裏的fit出來的結果就是：（下面的橫軸座標不均勻，所以看起來有點變形，其實沒有）
而上圖生成的logistic樣例就是下面這樣，這樣就不用苦逼地自己去編數據了，點點幾下東西就出來了^_^
X=[
[1,1.7611110925674438,3.6876739501953124],
[1,2.7111110925674438,5.637673950195312],
[1,4.311111092567444,6.2876739501953125],
[1,3.4611110925674438,4.087673950195312],
[1,5.261111092567444,5.5376739501953125],
[1,6.4111110925674435,6.437673950195313],
[1,6.6611110925674435,3.7376739501953127],
[1,3.811111092567444,2.2876739501953125],
[1,2.9611110925674438,2.2376739501953127],
[1,4.961111092567444,3.9876739501953127],
[1,5.861111092567444,12.337673950195313],
[1,6.861111092567444,14.137673950195312],
[1,7.111111092567444,12.637673950195312],
[1,8.311111092567444,10.837673950195313],
[1,9.211111092567444,11.537673950195312],
[1,8.861111092567445,14.237673950195312],
[1,9.911111092567443,14.137673950195312],
[1,9.111111092567445,13.537673950195312],
[1,10.161111092567443,11.987673950195312],
[1,11.011111092567443,11.687673950195313],
[1,13.011111092567443,6.087673950195312],
[1,13.711111092567444,8.137673950195312],
[1,15.161111092567443,7.0376739501953125],
[1,15.461111092567444,5.137673950195312],
[1,15.811111092567444,2.7376739501953127],
[1,13.761111092567443,3.9876739501953127],
[1,14.511111092567443,5.837673950195312],
[1,16.261111092567443,8.337673950195313],
[1,16.611111092567445,6.487673950195313],
[1,17.461111092567442,4.187673950195313],
[1,18.011111092567443,8.037673950195312],
[1,18.361111092567445,9.787673950195312],
[1,18.611111092567445,10.037673950195312]]
y=[
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[2],
[2],
[2],
[2],
[2],
[2],
[2],
[2],
[2],
[2],
[1],
[1],
[1],
[1],
[1],
[1],
[1],
[1],
[1],
[1],
[1],
[1],
[1]]
