python线性回归使用sklearn包中加载鸢尾花数据集

在Python中，如果你想要使用scikit-learn（sklearn）库来进行线性回归，并且想先加载经典的鸢尾花数据集（Iris dataset），通常步骤如下：

首先，你需要安装所需的库，如果还没有安装，可以使用pip命令：

pip install numpy pandas scikit-learn

然后，导入必要的模块并加载鸢尾花数据集：

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 加载鸢尾花数据集
iris = load_iris()  # 返回的是一个Bunch对象，包含了数据和元数据
X = iris.data   # 特征数据，形状 (150, 4) 表示150个样本，每个有4个特征
y = iris.target  # 目标变量，形状 (150,)，表示150个样本对应的类别

# 对数据进行预处理，例如拆分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

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

# 训练模型
model.fit(X_train, y_train)

# 现在你可以用这个模型对新的数据进行预测
predictions = model.predict(X_test)