回归模型 python代码

回归模型是机器学习中的一种常见算法，它可以用来预测一个连续变量的值。在Python中，实现回归模型有多种库和方法，以下是一个简单的线性回归模型的Python代码示例：

# 导入所需库
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

# 读取数据集
data = pd.read_csv('data.csv')

# 准备数据
X = data.drop('y', axis=1)
y = data['y']

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 定义线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

# 计算模型的均方误差
mse = np.mean((y_pred - y_test) ** 2)

# 输出均方误差
print("模型的均方误差为：", mse)

以上代码中，我们使用了pandas库读取数据集，然后使用sklearn库中的LinearRegression类来定义线性回归模型。接着，我们使用train_test_split函数将数据集划分为训练集和测试集，分别用于训练模型和测试模型。最后，我们计算了模型的均方误差，并输出了结果。