建立1元线性回归模型 matplotlib numpa

建立一元线性回归模型通常需要使用Python的一些核心库，如NumPy用于数值计算和数据分析，以及Matplotlib用于数据可视化。以下是简单的步骤：

1. **导入必要的库**:

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression  # 导入线性回归模块 (sklearn库的一部分)

2. **生成随机数据**:

# 创建一些模拟数据，假设X是自变量，y是因变量
np.random.seed(0)  # 设置随机种子保证结果可复现
X = np.linspace(0, 10, 100)  # 从0到10均匀分布的100个点
y = 2 + 3 * X + np.random.randn(100)  # 线性函数加上随机噪声

3. **创建并训练模型**:

model = LinearRegression()  # 实例化一个线性回归对象
model.fit(X.reshape(-1, 1), y)  # 使用numpy数组训练模型

4. **预测并绘制数据**:

X_new = np.linspace(0, 10, 100).reshape(-1, 1)  # 预测新的x值
y_pred = model.predict(X_new)  # 获取预测值

plt.scatter(X, y, color='blue')  # 绘制散点图表示原始数据
plt.plot(X_new, y_pred, color='red', linewidth=2)  # 绘制回归线
plt.xlabel('自变量X')
plt.ylabel('因变量Y')
plt.title('一元线性回归示例')
plt.show()