线性回归的代码使用numpy库，sklearn库最后用matplotlib库显示出来

在Python中，如果你想要使用NumPy库来创建数据并进行线性回归，然后用Scikit-Learn做模型训练，并使用Matplotlib展示结果，下面是一个简化的例子：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 创建随机数据（例如模拟两个特征）
np.random.seed(0)
n_samples = 100
X = np.random.rand(n_samples, 2)
# 按照线性关系生成y（假设x1和x2与y正相关）
y = 5 + 2 * X[:, 0] - X[:, 1] + np.random.normal(0, 1, n_samples)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 初始化线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 绘制散点图以及回归线
plt.scatter(X_test[:, 0], y_test, label='Data')
plt.plot(X_test[:, 0], y_pred, color='red', label='Prediction')
plt.xlabel('Feature 1')
plt.ylabel('Target')
plt.legend()
plt.show()