线性回归方程 python代码

下面是一个简单的线性回归方程的 Python 代码示例：

import numpy as np
from sklearn.linear_model import LinearRegression

# 构造样本数据
X = np.array([1, 2, 3, 4, 5]).reshape((-1, 1))
y = np.array([2, 3, 4, 5, 6])

# 创建线性回归对象
model = LinearRegression()

# 拟合数据
model.fit(X, y)

# 预测新数据
x_new = np.array([6]).reshape((-1, 1))
y_new = model.predict(x_new)

print("系数：", model.coef_)
print("截距：", model.intercept_)
print("预测值：", y_new)

输出结果：

系数： [1.]
截距： 1.000000000000001
预测值： [7.]

以上代码演示了如何使用 Scikit-Learn 中的 `LinearRegression` 类来拟合一个简单的线性回归模型，并使用该模型进行预测。在这个示例中，我们使用一个包含五个样本的数据集，其中每个样本只有一个特征。我们拟合模型后，使用该模型对一个新数据点进行预测，得到预测值为 7。