线性回归方程预测Python代码

线性回归是一种用于建立两个或多个变量之间关系的统计学方法。在Python中，使用scikit-learn库可以实现线性回归模型的训练和预测。

以下是一个简单的线性回归方程预测Python代码：

# 导入需要的库
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

# 读取数据集
data = pd.read_csv('data.csv')

# 准备数据
X = data.iloc[:, :-1].values
y = data.iloc[:, 1].values

# 划分数据集为训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 训练模型
regressor = LinearRegression()
regressor.fit(X_train, y_train)

# 预测结果
y_pred = regressor.predict(X_test)

# 输出结果
df = pd.DataFrame({'Actual': y_test, 'Predicted': y_pred})
print(df)

# 可视化结果
import matplotlib.pyplot as plt
plt.scatter(X_test, y_test, color='gray')
plt.plot(X_test, y_pred, color='red', linewidth=2)
plt.show()

其中，data.csv是包含训练数据的CSV文件，数据集需要包含两列数据：自变量和因变量。代码中首先导入所需的库，然后读取数据集并准备数据。接着，将数据集划分为训练集和测试集，使用训练集训练线性回归模型，并使用测试集进行预测。最后输出结果，并可视化预测结果。