nd.random.normal(scale=1, shape=

设训练数据集样本数为1000，输入个数（特征数）为2。给定随机生成的批量样本特征X∈R1000×2X∈R1000×2，我们使用线性回归模型真实权重w=[2,−3.4]⊤w=[2,−3.4]⊤和偏差b=4.2b=4.2，以及一个随机噪声项ϵϵ来生成标签

y=Xw+b+ϵ,y=Xw+b+ϵ,

其中噪声项ϵϵ服从均值为0、标准差为0.01的正态分布。噪声代表了数据集中无意义的干扰。下面，让我们生成数据集。

num_inputs=2

num_examples=1000

true_w=[2,-3.4]

true_b=4.2

features=nd.random.normal(scale=1,shape=(num_examples,num_inputs))

labels=true_w[0]*features[:,0]+true_w[1]*features[:,1]+true_b

labels+=nd.random.normal(scale=0.01,shape=labels.shape)