画一条怎样的线？
在回答这个问题之前我们必须要了解另外两个问题：
1.为什么要画这条直线？ 2.这条直线要具备怎样的特征？
其实这两个问题并不好回答，因为这必然会牵扯到机器学习的理论方面，我真的不想扯那么远（其实我不是很懂怕说错了），只从我们现在要处理的这个实际问题问题——“网站每小时的访问量”入手。
我们要解决的实际问题是：根据现有的访问量变化趋势，来预测未来访问量的变化，看是否会超出现有设备的承受范围，给出时间点，以便网站方能够做好应对方案。
可以说——总结规律，预测未来——就是我们要做的，其中总结规律也可以说是寻找模型。
最好的模型是什么呢？最好的模型就是能够精确的说出今后的每小时的访问量是多少，这是不可能的，因为有y和x之间并没有必然的逻辑关系，我们要做的就是试图用一种逻辑关系去“解释”y和x之间的关系，当然就不能胡乱给一个函数模型，评判模型好坏的标准，就是看：归纳出来的值与实际值的差（f(x)-y），虽然不能相等，但差值要尽量小才行，用程序表达就是：
1 def error(f,x,y): 2 return sp.sum((f(x)-y)**2)
留意一下，为什么定义为errer，因为模型与实际值的差的本质就是一个错误——你没有预测正确，与实际值产生误差了；另外为什么用差的平方求和表示，因为误差有正有负，其实取绝对值也可以。
而现在我们要画的直线就是我们寻找的模型。（其实鬼都知道，这条直线肯定是不行的，不过没有关系先从一维模型开始）
好了，开始划线了
f1(x)=ax+b
我们的思路就是，先找到参数（parameters）a，b，再将其带入到上述函数式当中，得到模型 f1 ，然后利用Matplotlib画出该直线。
1.确定参数fp1=[a,b]
手动一个个的尝试肯定是不行的了。需要用到scipy里面的一个函数——polyfit(),此函数可以从数据丛中快速找到差值最小的模型的参数。
1 fp1=sp.polyfit(x,y,1)
一句话就可以了，print一下fp1，得到参数列表[2.59619213,989.02487106]，即f1(x)=2.59619213x+989.02487106
2.确定模型。
其实就是fp1这两个数带入函数式就行了。
1 f1=sp.poly1d(fp1)
注意poly1d()中的是数字1不是字母L，可以print f1，试试看看输出的对不对。
3.开始画图。
1 fx=sp.linspace(0,x[-1],1000) #生成f1(x)=ax+b的x的取值范围，原有的x数组不连续，不能用 2 plt.plot(fx,f1(fx),linewidth=4) 3 plt.legend(["d=%i" % f1.order],loc="upper left")
效果就是这样的：
缺图
验证该模型
《待续。。。》