编写线性回归算法程序

编写线性回归算法程序通常涉及到数据加载、特征处理、模型构建和训练，以及预测等步骤。下面是一个基本的Python示例，使用scikit-learn库来实现简单线性回归：

# 导入所需的库
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics
import pandas as pd

# 假设数据来自CSV文件
data = pd.read_csv('your_data.csv')  # 替换为实际数据文件名

# 数据预处理，这里假设X是特征列，y是目标变量
X = data.drop('target_column', axis=1)
y = data['target_column']

# 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=0)

# 创建线性回归模型
model = LinearRegression()

# 使用训练数据拟合模型
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 计算并打印模型性能指标
print(f"Mean Absolute Error: {metrics.mean_absolute_error(y_test, y_pred)}")
print(f"Mean Squared Error: {metrics.mean_squared_error(y_test, y_pred)}")
print(f"R-squared Score: {model.score(X_test, y_test)}")