一元线性回归模型python

以下是使用Python实现一元线性回归模型的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 生成样本数据
np.random.seed(0)
X = np.random.rand(100, 1)
y = 2 + 3 * X + np.random.rand(100, 1)

# 绘制样本数据
plt.scatter(X, y)

# 初始化模型参数
theta = np.random.randn(2, 1)

# 添加偏置项
X_b = np.c_[np.ones((100, 1)), X]

# 定义学习率和迭代次数
eta = 0.1
n_iterations = 1000

# 使用随机梯度下降法训练模型
for iteration in range(n_iterations):
    random_index = np.random.randint(100)
    xi = X_b[random_index:random_index+1]
    yi = y[random_index:random_index+1]
    gradients = 2 * xi.T.dot(xi.dot(theta) - yi)
    theta = theta - eta * gradients

# 输出模型参数
print(theta)

# 绘制预测结果
X_new = np.array([[0], [1]])
X_new_b = np.c_[np.ones((2, 1)), X_new]
y_predict = X_new_b.dot(theta)
plt.plot(X_new, y_predict, "r-")
plt.show()

该示例代码中，首先生成了一些样本数据，然后使用随机梯度下降法训练模型，并输出最终的模型参数，最后绘制了模型的预测结果。