Python 一元线性回归及画图代码示例

以下是 Python 中使用 sklearn 库进行一元线性回归和画图的代码示例：

# 导入必要的库
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 创建数据集
x = np.array([1, 2, 3, 4, 5])
y = np.array([3, 5, 7, 9, 11])

# 一元线性回归
model = LinearRegression()
x_reshape = x.reshape(-1, 1)
model.fit(x_reshape, y)

# 计算斜率和截距
slope = model.coef_[0]
intercept = model.intercept_

# 绘制数据点和回归直线
plt.scatter(x, y)
plt.plot(x, slope*x+intercept, color='red')
plt.show()

输出结果为一张散点图和回归直线，如下图所示：

代码解释：

1. 导入必要的库: 导入 numpy 用于数值计算，matplotlib.pyplot 用于画图，sklearn.linear_model 用于线性回归模型。
2. 创建数据集: 创建两个 numpy 数组 x 和 y，分别代表自变量和因变量。
3. 一元线性回归: 创建一个 LinearRegression 对象，使用 fit() 方法拟合数据集，将 x 转换为二维数组。
4. 计算斜率和截距: 使用 coef_ 属性获取斜率，使用 intercept_ 属性获取截距。
5. 绘制数据点和回归直线: 使用 scatter() 方法绘制数据点，使用 plot() 方法绘制回归直线。

代码示例展示了如何使用 Python 的 sklearn 库进行一元线性回归和画图，并提供详细的代码解释，方便读者理解和应用。