使用最小二乘法用python写线性回归模型程序

好的，下面是使用最小二乘法实现线性回归模型的 Python 程序：

import numpy as np

class LinearRegression:
    def __init__(self):
        self.coefficients = None
    
    def fit(self, X, y):
        # Add bias term to X
        X = np.concatenate((np.ones((X.shape[0], 1)), X), axis=1)
        
        # Calculate coefficients using closed-form solution
        self.coefficients = np.linalg.inv(X.T.dot(X)).dot(X.T).dot(y)
    
    def predict(self, X):
        # Add bias term to X
        X = np.concatenate((np.ones((X.shape[0], 1)), X), axis=1)
        
        # Calculate predictions using coefficients
        return X.dot(self.coefficients)

其中，`fit` 方法用于训练模型，输入参数 `X` 是训练数据的特征矩阵，`y` 是对应的标签向量；`predict` 方法用于预测新的数据，输入参数 `X` 是特征矩阵，输出是预测的标签向量。这里假设输入的数据已经被预处理过，即特征已经被标准化或者归一化处理过，不需要再进行额外的处理。