Python量化问题训练代码示例：线性回归模型

以下是一个简单的量化问题训练代码示例：

import numpy as np
from sklearn.linear_model import LinearRegression

# 生成随机数据
np.random.seed(0)
X = np.random.rand(100, 1)
y = 2 + 3 * X + np.random.rand(100, 1)

# 创建线性回归模型
model = LinearRegression()

# 拟合模型
model.fit(X, y)

# 预测新数据
X_new = np.array([[0.5]])
y_new = model.predict(X_new)
print('预测值:', y_new)

这个示例使用线性回归模型来拟合随机生成的数据，并预测一个新的数据点的值。你可以根据自己的需求修改和扩展这个示例代码，例如使用更复杂的模型、调整模型参数、添加更多的特征等等。