No.1. 多元线性回归的正规方程解（Normal Equation）
No.2. 实现求解多元线性回归问题的类LinearRegression，业务逻辑如下：
No.3. 加载sklearn提供的Boston房价数据集，用上面的线性回归模型求解，并确定模型准确度
No.4. 使用sklearn提供的接口求解多元线性回归问题
No.5. 使用k近邻算法求解线性规划问题
No.6. 线性回归的结果具有可解释性
结合每个特征表示的实际意义进行分析，从对所有特征影响房价的重要程度的排序结果来看，靠左侧的特征与房价成负相关，靠右侧的特征与房价呈正相关；
先分析右侧：特征"RM"即房间数量对房价的影响最大，房间数量越多，房价越高；接着是特征"CHAS"即房子是否临河，临河的房价更高...以此类推；
再看看左侧：特征"NOX"即房子周边NO浓度，浓度越高，房价越低；接着是特征"DIS"即距离5个波士顿劳务雇佣中心的加权平均距离，距离越大，房价越低...以此类推；