python 线性回归

在Python中，线性回归是一种用于预测数值型数据的统计方法，它基于两个变量之间线性关系的概念，其中一个变量（自变量）被用来预测另一个变量（因变量）的变化。Python有许多库可以帮助我们实现线性回归，其中最常用的是scikit-learn库。

以下是一个简单的例子，展示如何使用scikit-learn库中的`LinearRegression`类来进行线性回归：

# 导入所需的库
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import pandas as pd
import numpy as np

# 假设你有一个名为data的数据集，包含特征（X）和目标变量（y）
data = pd.read_csv('your_data.csv')

# 准备数据（假设特征列是'feature_column'，目标变量列是'target_column'）
X = data['feature_column']
y = data['target_column']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
predictions = model.predict(X_test)

# 计算模型性能指标（如R²分数）
score = model.score(X_test, y_test)