用Python建立线性回归方程

以下是一个用Python建立线性回归方程的例子：

import numpy as np
from sklearn.linear_model import LinearRegression

# 生成样本数据
X = np.array([[1, 2], [2, 4], [3, 6], [4, 8], [5, 10]])
y = np.array([2, 4, 6, 8, 10])

# 建立线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X, y)

# 输出模型参数
print('Intercept:', model.intercept_)
print('Coefficients:', model.coef_)

# 预测新数据
X_new = np.array([[6, 12]])
y_new = model.predict(X_new)
print('Predicted value:', y_new)

在这个例子中，我们首先生成了一个包含5个样本的数据集，每个样本有两个特征（即X矩阵有5行2列），并且每个样本都有一个真实的标签值（即y向量）。然后，我们建立了一个线性回归模型，并用训练数据拟合了该模型。最后，我们输出了模型的截距和系数，并用模型预测了一个新的数据点（即X_new矩阵）。