编写Python代码，读取csv文件并使用一元线性回归预测身高体重

在Python中，我们可以使用pandas库来处理CSV文件，sklearn库来进行一元线性回归模型的构建和预测。下面是一个简单的例子，假设我们有一个CSV文件，其中包含身高（heights）和体重（weights），我们想要通过身高预测体重：

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

# 1. 加载数据
data = pd.read_csv('your_dataset.csv')  # 替换 'your_dataset.csv' 为你实际的文件路径
X = data['heights']  # 假设你的数据集中有名为 'heights' 的列对应身高
y = data['weights']  # 假设你的数据集中有名为 'weights' 的列对应体重

# 2. 数据预处理 (分割训练集和测试集)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 3. 创建并训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 4. 预测
y_pred = model.predict(X_test)

# 5. 模型评估
mse = mean_squared_error(y_test, y_pred)
print(f"Mean Squared Error: {mse}")

#