使用sklearn的python库来建立一个线性回归模型来预测，并包含模型评估的代码

要使用Python的scikit-learn (sklearn) 库建立一个多元线性回归模型来预测，你可以按照以下步骤操作[^1]:

1. **导入必要的库**:

   import pandas as pd
   from sklearn.model_selection import train_test_split
   from sklearn.linear_model import LinearRegression
   from sklearn.metrics import mean_squared_error, r2_score
   import seaborn as sns
   import matplotlib.pyplot as plt

2. **加载数据**:
假设你有一个CSV文件，其中包含特征和目标变量。

   data = pd.read_csv('your_data.csv')
   X = data.drop('target_column', axis=1)
   y = data['target_column']

3. **数据分割**:

   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. **创建并训练模型**:

   model = LinearRegression()
   model.fit(X_train, y_train)

5. **预测与评估**:

   y_pred = model.predict(X_test)
   mse = mean_squared_error(y_test, y_pred)
   r2 = r2_score(y_test, y_pred)
   print(f"Mean Squared Error: {mse:.2f}")
   print(f"R-squared Score: {r2:.2f}")

6. **模型可视化** (可选):

   sns.scatterplot(x=y_test, y=y_pred)
   plt.xlabel('Actual Target')
   plt.ylabel('Predicted Target')
   plt.title('Linear Regression Model Prediction')
   plt.show()

记得替换`your_data.csv`和`target_column`为你实际的数据文件名和目标列名称。