封装了三种回归：OLS，岭回归，lasso回归算法。支持多重共线性的自动推断。 岭回归回归和OLS都有解析解，是直接解析解出，无需设置epoach参数，对于岭回归只需要自定义合适的lambda(罚函数前面的系数)。 Lasso回归需要设置一个固定的epoach，因为暂时使用的是批量梯度下降算法，有空我会更新成更合适岭回归的坐标轴下降算法进行实现。Lasso回归的迭代初始点是服从高斯分布的随机数，如果想要固定结果，请给numpy.random()模块设置一个确定的种子以保证结果的一致性。 带罚函数项的算法部分的lambda的选取，需要自行选取，暂时没做lambda的只能选取，以后，我可能会更新。

下载这个包，然后在同文件目录下import本包然后就可以使用Regression类了。 初始化回归器的时候请注意，特征矩阵不需要补一列全1列，因为我在算法包里会给你补全，传入原始特征矩阵和标签向量就可以。 计算结果说明：train()方法会返回一个权重向量beta，其中第一个维度是截距项，其他部分依次对应特征向量的列对应的特征的权重。 batch_predict()方法直接传入矩阵，他可以做批量数值的预测,返回预测值构成的向量。

Regression的构造函数定义和参数说明注释里有写。我这里只介绍构造参数中的mode。

测试案例没有跑很多，我就试了一下波士顿房价预测，效果还算可以。