给定一幅散点图，请选择最能拟合数据的线性模型。
要测试您的答案，请使用预定义函数 plot_possible_answer(answer="X") 来绘制候选答案，其中 X 是 A–E 之一。
plot_possible_answer(answer="X")
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
我们将从对线性关系的初步探索开始，包括一些关于线性模型如何应用的动机示例，以及使用 matplotlib 进行数据可视化的演示。随后用描述性统计来量化数据的形状，并使用相关性来量化两个变量之间线性关系的强度。
本章将剖析构建线性模型所需的要素。结合泰勒级数的概念，我们聚焦斜率与截距两个参数，说明它们如何定义模型，并在若干应用场景中解读它们的含义。我们将使用多种 Python 模块，通过最小二乘、numpy、statsmodels 和 scikit-learn 来计算斜率与截距的最优值，从而找到最契合数据的模型。
当前练习
接下来我们会将模型应用于真实数据并进行预测。我们将探讨预测中常见的误区与局限，并通过量化与比较多种拟合优度指标（包括 RMSE 与 R-squared）来评估与对比模型。
在最后一章中，我们将引入推断统计学的概念，并据此探讨如何利用极大似然估计与自助法重采样来估计线性模型参数。随后应用这些方法，对我们对模型参数的把握程度给出概率性的表述。
