Python线性回归：加载共享自行车租赁数据集 BikeSharing.csv。 1. 按以下要求处理数据集 （1）分离出仅含特征列的部分作为 X 和仅含目标列的部分作为 Y。

加载共享自行车租赁数据集 BikeSharing.csv。

1. 按以下要求处理数据集
   （1）分离出仅含特征列的部分作为 X 和仅含目标列的部分作为 Y。
   （2）将数据集拆分成训练集和测试集（70%和 30%）。
   （3）对数据进行标准化处理
2. 建立回归模型
   分别用 LinearRegression 和 SGDRegression 两种方法建模。
3. 结果比对
   （1）分别对比两种模型在测试集上的预测性能（计算 score）。
   （2）分别测试学习率（参数 eta0）取 0.005, 0.01, 0.015, 0.02, 0.025, 0.03, 0.035, 0.04,
   0.045, 0.05 时，SGD 模型的性能得分，对测试结果进行绘图。
   使用Jupyter对数据建立回归模型：
   

import numpy as np
# 导入sklearn中的线性模型类和模型验证类
from sklearn import model_selection
import matplotlib.pyplot as plt
#导入线性模型类
from sklearn.linear_model import LinearRegression
from sklearn.linear_model import SGDRegressor
from sklearn.preprocessing import StandardScaler
#为便于观察结果，对numpy作以下两项设置
np.set_printoptions(suppress= True) #取消numpy的科学记数显示
np.set_printoptions(precision=4)    #设置保留小数位数是4

# # 使用Numpy加载共享自行车租赁数据集 BikeSharing.csv，分离出仅含特征列的部分作为 X 和仅含目标列的部分作为 Y。
bike = np.loadtxt(r'BikeSharing.csv',dtype=float,delimiter=',',skiprows