以下是一个简单的线性回归算法的示例，用于预测一个房屋的价格。

import numpy as np import matplotlib.pyplot as plt

数据集

X = np.array([1400, 1600, 1700, 1875, 1100, 1550, 2350, 2450, 1425, 1700]) y = np.array([245000, 312000, 279000, 308000, 199000, 219000, 405000, 324000, 319000, 255000])

可视化数据集

plt.scatter(X, y) plt.xlabel('House Size (sqft)') plt.ylabel('Price ($)') plt.show()

线性回归模型

def linear_regression(X, y): n = np.size(X) mean_x, mean_y = np.mean(X), np.mean(y) SS_xy = np.sum(yX - nmean_ymean_x) SS_xx = np.sum(XX - nmean_xmean_x) b_1 = SS_xy / SS_xx b_0 = mean_y - b_1*mean_x return (b_0, b_1)

计算回归方程系数

b_0, b_1 = linear_regression(X, y) print('回归方程：y = {:.2f} + {:.2f}x'.format(b_0, b_1))

可视化回归线

plt.scatter(X, y) plt.plot(X, b_0 + b_1*X, 'r') plt.xlabel('House Size (sqft)') plt.ylabel('Price ($)') plt.show()

预测房屋价格

x_new = 2000 y_new = b_0 + b_1*x_new print('预测房屋价格：${:.2f}'.format(y_new))

输出结果：

回归方程：y = 64742.31 + 106.22x

预测房屋价格：$319528.85