sklearn如何输出线性回归的方程

在scikit-learn中，`LinearRegression`类可以用来执行线性回归并返回一个线性模型。这个模型包含了训练数据拟合后的系数和截距，从而可以表示线性回归的方程。要输出线性回归的方程，你可以按照以下步骤操作：

1. 导入所需的模块[^1]:

from sklearn.linear_model import LinearRegression
import numpy as np

2. 准备数据（这里假设有一个自变量X和一个因变量y）[^2]:

X = [[x1], [x2], ...]  # 自变量，二维数组
y = [y1, y2, ...]       # 因变量，一维数组

3. 创建并训练线性回归模型:

model = LinearRegression()
model.fit(X, y)

4. 获取模型参数（包括斜率和截距）:

slope = model.coef_[0]   # 斜率
intercept = model.intercept_  # 截距

# 如果只有一个自变量，可以这样简化斜率获取：
if len(model.coef_) == 1:
    slope = model.coef_

5. 构造并打印线性回归方程:

equation = f"y = {slope} * x + {intercept}"
print(equation)