使用numpy写一个线性回归算法， 方程（模型）为 $y=ax+b$。要求自己设计训练部分并且收敛到满意效果。
以下是数据产生代码：

import matplotlib.pyplot as plt
import numpy as np


class DataGenerator:
    """
    线性回归数据产生器， 方程：y = ax + b
    """

    def __init__(self, a, b):
        self.a = a
        self.b = b

    def __call__(self, data_len):
        xx = np.random.uniform(-50, 50, data_len)  # 生成 x 点集
        yy = self.a * xx + self.b  # 生成 y 点集
        # 加随机误差
        noise = np.random.normal(0, 20, data_len)
        yy += noise

        return xx, yy

a, b = 3.5, 7.1
xx, yy = DataGenerator(a, b)(1000)

# 可视化
fig = plt.figure()
ax = fig.add_subplot()
ax.scatter(xx, yy)
plt.show()

现在把方程变换成：$y=a{x}^2+b$

class DataGeneratorSD:
    """
    线性回归数据产生器， 方程：y = a*x*x + b
    """

    def __init__(self, a, b):
        self.a = a
        self.b = b

    def __call__(self, data_len):
        xx = np.random.uniform(-50, 50, data_len)  # 生成 x 点集
        yy = self.a * (xx**2) + self.b  # 生成 y 点集
        # 加随机误差
        noise = np.random.normal(0, 20, data_len) * 50
        yy += noise

        return xx, yy