#线性回归 from sklearn.linear_model import LinearRegression #训练集交叉验证，得到平均值 #from sklearn.cross_valid

线性回归是一种常用的统计学方法，用于预测两个或更多变量之间的线性关系。在Python的scikit-learn库中，`LinearRegression`类就是实现这一模型的核心工具。你可以通过创建一个`LinearRegression`对象并使用训练数据对其进行拟合来建立模型。

例如，假设你有特征变量X和目标变量y，可以这样做：

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

# 假设 X_train, y_train 是你的训练数据
model = LinearRegression()  # 创建一个线性回归实例
model.fit(X_train, y_train)  # 使用训练数据拟合模型

# 对于交叉验证，你需要先将数据分为训练集和验证集
X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.2, shuffle=True)

# 利用cross_val_score函数进行K折交叉验证，获取平均得分
from sklearn.model_selection import cross_val_score
scores = cross_val_score(model, X_train, y_train, cv=5)
mean_score = scores.mean()

# 输出平均交叉验证得分
print("Average cross-validation score:", mean_score)