请给我一个线性回归的python代码以及它的伪代码流程

以下是一个简单的线性回归的Python代码示例，以及伪代码的流程：

伪代码流程：

1. 导入所需库和数据集
2. 将数据集分为特征和目标变量
3. 将数据集分为训练集和测试集
4. 创建线性回归模型对象
5. 使用训练集拟合模型
6. 使用测试集评估模型
7. 使用模型进行预测

Python代码示例：

# 导入所需库和数据集
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

data = pd.read_csv('data.csv')

# 将数据集分为特征和目标变量
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 创建线性回归模型对象
regressor = LinearRegression()

# 使用训练集拟合模型
regressor.fit(X_train, y_train)

# 使用测试集评估模型
y_pred = regressor.predict(X_test)

# 使用模型进行预测
new_data = np.array([[1, 2, 3], [4, 5, 6]])
y_new_pred = regressor.predict(new_data)