用python编写线性回归预测乐高价格。

在Python中，我们可以使用scikit-learn库来编写简单的线性回归模型来预测乐高积木的价格。线性回归是一种基本的机器学习算法，它假设特征和目标变量之间存在线性关系。下面是一个简化的步骤：

1. **数据获取**：首先需要收集关于乐高积木的数据，如型号、尺寸、年份、稀缺度等作为特征，以及实际售价作为目标值。

2. **导入库**：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics

3. **数据预处理**：

# 加载数据集，假设有DataFrame叫做df
df = pd.read_csv('lego_prices.csv') # 假设数据存储在一个CSV文件中

# 数据清洗，缺失值处理
df.fillna(df.mean(), inplace=True) # 或者使用其他填充策略

# 定义特征X和目标值y
X = df.drop('price', axis=1)
y = df['price']

4. **拆分数据**：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

5. **创建并训练模型**：

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

6. **预测和评估**：

y_pred = model.predict(X_test)

# 计算相关指标如R²分数
score = metrics.r2_score(y_test, y_pred)
print(f"R² Score: {score}")

7. **保存模型**（如果需要长期使用）：

import joblib
joblib.dump(model, 'lego_price_predictor.pkl')