用python编写线性回归预测

线性回归是一种机器学习算法，可以用于预测数值型数据。下面是一个简单的用 Python 实现线性回归的例子：

首先，我们需要导入必要的库：

import numpy as np
import matplotlib.pyplot as plt

然后，我们定义一个函数来执行线性回归：

def linear_regression(x, y):
    n = len(x)
    slope = (n * np.sum(x * y) - np.sum(x) * np.sum(y)) / (n * np.sum(x ** 2) - np.sum(x) ** 2)
    intercept = np.mean(y) - slope * np.mean(x)
    return slope, intercept

该函数接受两个参数 x 和 y，分别表示输入数据和输出数据。函数返回两个值，分别是斜率和截距。

接下来，我们生成一些测试数据：

x = np.array([1, 2, 3, 4, 5])
y = np.array([5, 7, 9, 11, 13])

然后，我们调用 linear_regression 函数来执行线性回归：

slope, intercept = linear_regression(x, y)

现在，我们已经得到了斜率和截距，可以使用它们来预测新的数据：

x_test = np.array([6, 7, 8, 9, 10])
y_pred = slope * x_test + intercept

最后，我们可以使用 Matplotlib 库来绘制数据和预测结果的图表：

plt.scatter(x, y)
plt.plot(x_test, y_pred, color='red')
plt.show()

这样就完成了一个简单的线性回归预测的 Python 代码。