如何用Python求解线性回归？

在Python中，我们可以使用scikit-learn库来方便地实现线性回归。下面是一个简单的步骤：

1. **导入所需库**：

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

2. **加载数据集**：
假设你的数据存储在一个CSV文件里，可以使用pandas库读取它：

   df = pd.read_csv('data.csv')
   X = df.drop('target_column', axis=1) # 特征变量
   y = df['target_column']          # 目标变量

3. **分割数据集**：
分成训练集和测试集，通常采用80%的数据用于训练，20%用于测试：

   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. **创建并训练模型**：

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

5. **预测和评估**：
对测试集进行预测，并计算一些评估指标如均方误差(MSE)或R²分数：

   y_pred = model.predict(X_test)
   print('Mean Absolute Error:', metrics.mean_absolute_error(y_test, y_pred))
   print('R^2 Score:', metrics.r2_score(y_test, y_pred))

6. **保存或使用模型**：
如果需要，你可以将模型保存到文件或直接使用它对新的数据进行预测。