使用sklearn构建线性回归模型，利用训练集数据与训练标签对模型进行训练，然后使用训练好的模型对测试集数据进行预测，并将预测结果保存到./step3/result.csv中。保存格式如下：

在Python中，使用scikit-learn库（sklearn）构建线性回归模型的步骤通常如下：

1. **导入所需的库**：

   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
   import csv

2. **加载数据**：
假设数据存储在CSV文件中，例如"data.csv"：

   data = pd.read_csv('data.csv')
   X = data.drop('target_column', axis=1)  # 'target_column'是目标变量列名
   y = data['target_column']

3. **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)

4. **创建并训练线性回归模型**：

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

5. **预测测试集数据**：

   predictions = model.predict(X_test)

6. **保存预测结果到csv文件**：

   result = {'Predictions': predictions}
   result_df = pd.DataFrame(result)

   with open('./step3/result.csv', 'w', newline='') as file:
       result_df.to_csv(file, index=False, header=['Predictions'])

上述代码假设了`target_column`是你需要预测的目标变量名，你需要将其替换为你实际的数据文件结构。