线性回归代码优化：修正特征名称和截距获取

在您提供的线性回归代码中，有几个需要修改的地方。以下是修改后的代码：

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

data_shaoshui = pd.read_excel('D:\M_hua\shaoshui.xlsx', index_col=0)
data_shaoshui.head()

X = data_shaoshui.iloc[:, :19]
Y = data_shaoshui.iloc[:, 19:]

X_tra, X_tes, Y_tra, Y_test = train_test_split(X, Y, random_state=8)

lr = LinearRegression()
lr_fit = lr.fit(X_tra, Y_tra)
print('{:.3f}'.format(lr_fit.score(X_tra, Y_tra)))

lr_coef = pd.DataFrame(lr_fit.coef_, columns=X_tra.columns, index=['coef'])
lr_coef['INTERCEPT'] = lr_fit.intercept_
lr_coef

在修改后的代码中，主要修改了以下几个地方：

1. 将feature_names_in_修改为X_tra.columns，以获取特征的列名。
2. 将lr_fit.intercept_.tolist修改为lr_fit.intercept_，以获取截距的值。
3. 修正了lr_coef的构建方式，确保特征名称和截距值正确对应。

请注意检查数据路径是否正确，并确保shaoshui.xlsx文件中的数据与代码中的索引和列名对应正确。如果还有其他问题，请随时提问。