线性回归算法代码

以下是Python中使用Scikit-learn库实现线性回归算法的代码示例：

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 加载数据
X, y = load_data()

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)

其中，X为特征矩阵，y为目标变量。train_test_split函数用于将数据集分为训练集和测试集，test_size参数指定测试集所占的比例，random_state参数用于设置随机数种子。使用LinearRegression类创建模型对象，并使用fit方法训练模型。使用predict方法对测试集进行预测，使用mean_squared_error函数计算均方误差