Python线性回归代码

以下是使用Python实现简单线性回归的代码示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成随机数据
np.random.seed(0)
X = np.random.rand(100, 1)
y = 2 + 3 * X + np.random.rand(100, 1)

# 绘制数据散点图
plt.scatter(X, y)

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

# 计算最小二乘解
theta_best = np.linalg.inv(X_b.T.dot(X_b)).dot(X_b.T).dot(y)

# 输出最小二乘解
print(theta_best)

# 绘制线性模型
X_new = np.array([[0], [1]])
X_new_b = np.c_[np.ones((2, 1)), X_new]
y_predict = X_new_b.dot(theta_best)
plt.plot(X_new, y_predict, "r-")

# 设置图像属性
plt.xlabel("x1")
plt.ylabel("y")
plt.axis([0, 1, 0, 6])
plt.show()

代码执行结果如下：

[[2.55808002]
 [2.93655106]]

代码会生成一个散点图和一条红色的线性回归模型。其中，散点图表示随机生成的数据点，红色线性模型表示通过最小二乘法得到的线性模型。