void LET(double **CoefficientMatrix, double *ConstantMatrix, int m, /*系数矩阵为m行n列*/ int n, /*常数矩阵为1行n列*/ double *Result) 参数说明：第一个参数所指向的二维空间存放了系数矩阵，m行n列，每一列为一组观测值。比如第一列是第一组观测值，x1、x2、x3、x4……xm。每一行是相同量的不同组观测值，如第一行，x1、x11、……x1n 第二个参数是n组观测值的常数值 第三个参数为系数矩阵的
线性回归是机器学习中的基础算法之一，属于监督学习中的回归问题，算法的关键在于如何最小化代价函数，通常使用梯度下降或者正规方程（最小二乘法），在这里对算法原理不过多赘述，建议看吴恩达发布在斯坦福大学上的课程进行入门学习。
这里主要使用python的sklearn实现一个简单的单变量线性回归。
sklearn对机器学习方法封装的十分好，基本使用fit,predict,score，来训练，预测，评价模型，
一个简单的事例如下：
from pandas import DataFrame
from pa
import numpy as np
import matplotlib.pyplot as plt
def loadDataSet(fileName,delim = '\t'):
fr = open(fileName)
stringArr = [line.strip().split(delim) for line in fr.readlines()]
datArr = [list(map(float, line)) for line in stringArr]
