如何用python实现线性回归

在Python中，我们可以使用一些流行的机器学习库如scikit-learn来实现线性回归。这里是一个简单的例子：

# 导入必要的库
from sklearn.linear_model import LinearRegression
import numpy as np

# 创建数据集（假设我们有一个自变量x和因变量y）
X = np.array([[1], [2], [3], [4], [5]])  # 输入特征矩阵
y = np.array([2, 4, 6, 8, 10])  # 目标值

# 创建并初始化线性回归模型
model = LinearRegression()

# 使用训练数据拟合模型
model.fit(X, y)

# 进行预测
new_data = np.array([[6]])
prediction = model.predict(new_data)

print("预测结果:", prediction)

在这个示例中，我们首先导入了`LinearRegression`类，然后创建了一个输入特征矩阵X和目标值向量y。接着，我们实例化了一个`LinearRegression`模型，并通过`.fit()`方法用数据拟合模型。最后，对新的数据点进行预测。