Python 线性回归代码示例 - Scikit-Learn

以下是一个简单的线性回归模型的代码示例，使用 Python 和 Scikit-Learn 库：

from sklearn.linear_model import LinearRegression
import numpy as np

# 创建训练数据集
X_train = np.array([[1], [2], [3], [4], [5]])
y_train = np.array([2, 4, 5, 4, 5])

# 创建线性回归模型对象并拟合数据
model = LinearRegression().fit(X_train, y_train)

# 打印模型的斜率和截距
print('斜率:', model.coef_)
print('截距:', model.intercept_)

# 预测新的数据点
X_new = np.array([[6]])
y_new = model.predict(X_new)
print('预测结果:', y_new)

这个代码演示了一个简单的线性回归模型，用于预测一个自变量（X）和一个因变量（y）之间的线性关系。模型使用 Scikit-Learn 库中的 LinearRegression 类，该类提供了一些有用的方法，例如 fit() 方法用于拟合数据，coef_ 属性用于获取模型的斜率，intercept_ 属性用于获取模型的截距，predict() 方法用于预测新的数据点。