写一个最小二乘线性回归的python代码，并给出检验。

好的，这是一个简单的最小二乘线性回归的Python代码示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成一些样本数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([3, 5, 7, 9, 11])

# 定义最小二乘线性回归函数
def linear_regression(x, y):
    n = len(x)
    sx = np.sum(x)
    sy = np.sum(y)
    sxx = np.sum(x*x)
    sxy = np.sum(x*y)
    a = (n*sxy - sx*sy) / (n*sxx - sx*sx)
    b = (sy - a*sx) / n
    return a, b

# 计算回归方程系数
a, b = linear_regression(x, y)

# 绘制样本数据和回归线
plt.scatter(x, y)
plt.plot(x, a*x+b, color='red')
plt.show()

# 计算R方值
y_pred = a*x + b
ssr = np.sum((y_pred - np.mean(y))**2)
sst = np.sum((y - np.mean(y))**2)
r_squared = ssr / sst
print("R-squared value:", r_squared)

输出结果：

R-squared value: 1.0

这个R-squared值为1，说明该回归方程完全拟合了样本数据。