# 數據準備 要生成數據集，我們使用`sklearn`庫的`datasets`模塊中的`make_regression`函數： ```py from sklearn import datasets as skds X, y = skds.make_regression(n_samples=200, n_features=1, n_informative=1, n_targets=1, noise = 20.0) ``` 這將生成一個回歸數據集，其中包含一個特征的 200 個樣本值和每個特征的一個目標，并添加了一些噪聲。因為我們只生成一個目標，所以該函數使用一維 NumPy 數組生成`y`;因此，我們重塑`y`有兩個維度： ```py if (y.ndim == 1): y = y.reshape(len(y),1) ``` 我們使用以下代碼繪制生成的數據集以查看數據： ```py import matplotlib.pyplot as plt plt.figure(figsize=(14,8)) plt.plot(X,y,'b.') plt.title('Original Dataset') plt.show() ``` 我們得到以下繪圖。由于生成的數據是隨機的，您可能會得到不同的繪圖：  現在讓我們將數據分為訓練集和測試集： ```py X_train, X_test, y_train, y_test = skms.train_test_split(X, y, test_size=.4, random_state=123) ```