python线性回归图像显示直线的方程

要显示线性回归拟合直线的方程，可以利用模型的coef_和intercept_属性。coef_表示模型的系数，intercept_表示截距。假设我们已经训练好了一个线性回归模型，可以按照以下方式显示拟合直线的方程：

import numpy as np
import matplotlib.pyplot as plt
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)

# 训练模型
model = LinearRegression()
model.fit(X, Y)

# 绘制数据点和拟合直线
plt.scatter(X, Y, s=10)
plt.plot(X, model.predict(X), color='r')

# 显示直线的方程
print("y = %.2f + %.2f * x" % (model.intercept_[0], model.coef_[0][0]))

plt.show()

在绘制完数据点和拟合直线后，使用print()函数显示拟合直线的方程。执行以上代码，可以得到类似如下的输出：

y = 2.10 + 2.88 * x

这个输出表示拟合直线的方程是y = 2.10 + 2.88 * x。