分析資料來源為 中央研究院社會學研究所 「社會變遷基本調查計畫 第八期」2020年問卷調查的資料

此次取資料中[年齡, 性別,是否飲酒, 學歷]作為特徵，預測[每日工作時數] 為多元線性回歸模型。

Optimizer : Gradient Descent

Cost function : MSE 均方誤差

Run_iter : 10000

Learning_rate : 0.003

Test_size = 0.25

Random_state = 0

1. 將資料讀入轉為二維陣列進行資料預處理
2. 用梯度下降法反覆調整學習率並觀察cost下降情形與w,b的變化
3. 當cost停止下降後以最後回傳的w,b 預測Ｙ並將結果顯示出來
4. 比較y_test 與y_pred 的差異，並將誤差值error顯示出來

資料預處理：

1. 將所有特徵中值為[不知道,拒答,遺漏值]的資料整筆移除。
2. 生日轉換為年齡特徵使用
3. 學歷用Label Encoding 將其分為 [國中以下:0, 高中 :1, 大學 :2, 碩士以上 :3 ]
4. 將資料拆分為訓練集與測試集 test_size = 0.25, random_state = 0
5. 將所有特徵進行標準化

由訓練結果得知迭代3-4000次時cost已接近最低點，將影響4個特徵的4個w與b更新的過程顯示出來

以訓練出來的w,b 帶入預測模型，將結果與測試集y比較，並計算出誤差值。

最後每10比顯示一次將結果印出。