python的一元线性回归

一元线性回归是指只有一个自变量的线性回归模型。在Python中，可以使用scikit-learn库中的LinearRegression类来实现一元线性回归。

下面是一个简单的例子：

import numpy as np
from sklearn.linear_model import LinearRegression

# 构造数据集
x = np.array([5, 10, 15, 20, 25]).reshape((-1, 1))
y = np.array([5, 10, 12, 17, 20])

# 创建模型并拟合数据
model = LinearRegression()
model.fit(x, y)

# 预测值
y_pred = model.predict(x)

# 打印系数和截距
print('Coefficients:', model.coef_)
print('Intercept:', model.intercept_)

在该例子中，我们构造了一个包含5个样本的数据集，其中自变量x是一个5x1的矩阵，因此需要使用reshape()函数进行转换。然后，我们使用LinearRegression类创建一个模型，并使用fit()函数将数据拟合到模型中。最后，我们可以使用predict()函数来预测新的值，并使用coef_和intercept_属性来打印出模型的系数和截距。