这个项目需要安装Python 2.7和以下的Python函数库：
你还需要安装一个软件，以运行和编辑ipynb文件。
优达学城推荐学生安装 Anaconda，这是一个常用的Python集成编译环境，且已包含了本项目中所需的全部函数库。我们在P0项目中也有讲解如何搭建学习环境。
代码的模版已经在boston_housing.ipynb文件中给出。你还会用到visuals.py和名为housing.csv的数据文件来完成这个项目。我们已经为你提供了一部分代码，但还有些功能需要你来实现才能以完成这个项目。
在终端或命令行窗口中，选定boston_housing/的目录下（包含此README文件），运行下方的命令：
jupyter notebook boston_housing.ipynb
这样就能够启动jupyter notebook软件，并在你的浏览器中打开文件。
经过编辑的波士顿房价数据集有490个数据点，每个点有三个特征。这个数据集编辑自加州大学欧文分校机器学习数据集库（数据集已下线）.
特征
RM: 住宅平均房间数量LSTAT: 区域中被认为是低收入阶层的比率PTRATIO: 镇上学生与教师数量比例
目标变量
MEDV: 房屋的中值价格
Cross Validation and Grid Search Z table 关于Cross Validation（交叉验证） 不能更简单通俗的机器学习基础名词解释