机器学习线性回归实验二元线性回归代码

线性回归是一种基本的监督学习模型，用于预测连续数值结果。二元线性回归是指只有一个自变量（输入特征）的情况。下面是一个简单的Python示例，使用sklearn库进行二元线性回归：

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

# 假设我们有如下数据（x是特征，y是目标值）
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([2, 3, 5, 7, 9])

# 划分训练集和测试集
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)

# 预测
predictions = model.predict(X_test)

# 打印预测结果
print("Predictions:", predictions)

# 可视化（如果需要）
import matplotlib.pyplot as plt
plt.scatter(X_test, y_test, color='blue')
plt.plot(X_test, predictions, color='red', linewidth=2)
plt.show()