线性回归模型python代码vscode

线性回归是一种预测模型，常用于分析两个变量之间的线性关系。在Python中，我们可以利用scikit-learn库来创建和训练线性回归模型。以下是使用VS Code编写一个简单的线性回归模型的基本步骤：

1. 首先，在VS Code中安装必要的环境：确保已经安装了Python、pip（Python包管理器），以及数据科学库如numpy和matplotlib。

pip install numpy pandas scikit-learn matplotlib

2. 创建一个新的Python文件，例如`linear_regression.py`。

3. 导入所需的库并加载示例数据（这里我们用sklearn自带的鸢尾花数据集作为例子）：

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

4. 加载数据，划分特征和目标变量，以及训练集和测试集：

iris = load_iris()
X = iris.data[:, :2]  # 只取前两列作为输入特征
y = iris.target

# 划分数据
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

5. 创建并训练线性回归模型：

model = LinearRegression()
model.fit(X_train, y_train)

6. 进行预测并与实际值比较：

predictions = model.predict(X_test)

# 绘制散点图和拟合直线
plt.scatter(X_test[:, 0], y_test, color='blue')
plt.plot(X_test[:, 0], predictions, color='red', linewidth=2)
plt.xlabel('花萼长度')
plt.ylabel('类别')
plt.show()

7. 最后，可以在VS Code中运行这段代码，查看结果和可视化效果。