用python写线性回归方程

在Python中，我们可以使用内置的`sklearn.linear_model`库来实现线性回归。线性回归是一种预测模型，它假设因变量与自变量之间存在线性关系。下面是一个简单的例子，展示如何用`LinearRegression`类来编写并训练一个线性回归模型：

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

# 假设我们有一个DataFrame df，其中包含数据集
# 'X_column'是我们想用于预测的目标自变量列，'y_column'是因变量列
data = pd.read_csv('your_data.csv')  # 替换为实际的数据文件路径
X = data['X_column']
y = data['y_column']

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建线性回归模型实例
model = LinearRegression()

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

# 预测新数据
predictions = model.predict(X_test)

# 打印模型的系数和截距
print("模型参数: coef =", model.coef_, "intercept =", model.intercept_)

#