sklearn二维数据集代码

在scikit-learn库中，处理二维数据集通常涉及分类或回归任务。下面是一个简单的例子，演示如何使用`sklearn`创建、划分和拟合一个二维数据集：

# 导入必要的模块
from sklearn import datasets
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 加载内置的二维数据集（如鸢尾花数据集）
iris = datasets.load_iris()
X = iris.data[:, :2]  # 取前两个特征作为二维数据
y = iris.target  # 目标变量

# 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（二维线性关联）
model = LinearRegression()
model.fit(X_train, y_train)

# 预测测试集
predictions = model.predict(X_test)

# 输出模型性能的相关信息
print("Model coefficients:", model.coef_)
print("Model intercept:", model.intercept_)