matplotlib线性回归

Matplotlib是一个强大的数据可视化库，在Python中，我们可以使用它结合Scikit-Learn创建线性回归图表。以下是一个基本的例子：

首先，确保已经安装了`matplotlib`、`numpy`和`scikit-learn`库。然后，你可以通过以下步骤创建一个线性回归图：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_regression
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 生成随机数据
X, y = make_regression(n_samples=50, n_features=1, noise=20)  # 创建一条直线的数据

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练线性回归模型
regressor = LinearRegression()
regressor.fit(X_train, y_train)

# 预测
y_pred = regressor.predict(X_test)

# 绘制原始数据点和拟合线
plt.scatter(X, y, color='blue')  # 原始数据点
plt.plot(X_test, y_pred, color='red', linewidth=2)  # 拟合线

# 添加标题和标签
plt.title("Linear Regression with Matplotlib")
plt.xlabel("Feature")
plt.ylabel("Target")

# 显示图形
plt.show()