Python最小二乘回归

Python最小二乘法回归（Least Squares Regression）是一种常用的统计学习方法，它通过找到一条直线或曲线（模型），使得所有观测数据点到这条线的距离（残差平方和）之和最小，以此来拟合数据并预测未来值。在Python中，可以使用`sklearn.linear_model.LinearRegression`模块来实现这个过程。

基本步骤如下：

1. 导入所需的库：

   from sklearn.model_selection import train_test_split
   from sklearn.linear_model import LinearRegression
   from sklearn.metrics import mean_squared_error

2. 准备数据集，将其划分为特征（X）和目标变量（y）：

   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. 预测并评估性能：

   y_pred = model.predict(X_test)
   mse = mean_squared_error(y_test, y_pred)