利用python实现线性回归

利用Python实现线性回归通常涉及到两个主要库：NumPy用于数学运算，而sklearn库则提供了高级的数据分析和机器学习功能，包括线性回归模型。以下是使用scikit-learn库创建简单线性回归模型的基本步骤：

1. **导入所需库**:

import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics

2. **数据预处理**:
假设你有一个二维数组 `X` 代表特征，一维数组 `y` 代表目标变量。首先，你需要将它们分为训练集和测试集：

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()  # 创建线性回归实例
model.fit(X_train, y_train)  # 使用训练数据拟合模型

4. **预测**:

y_pred = model.predict(X_test)  # 对测试集进行预测

5. **评估性能**:

print('Mean Absolute Error:', metrics.mean_absolute_error(y_test, y_pred))
print('Mean Squared Error:', metrics.mean_squared_error(y_test, y_pred))
print('Root Mean Squared Error:', np.sqrt(metrics.mean_squared_error(y_test, y_pred)))