建立线性回归模型代码

建立线性回归模型通常涉及到选择一个合适的编程语言，比如Python中的scikit-learn库就是一个常用工具。以下是一个简单的例子，展示如何使用Python和scikit-learn创建一个基本的线性回归模型：

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

# 假设我们有一个数据集df，包含特征X和目标变量y
X = df['feature_column'].values.reshape(-1, 1) # 将一列数据转换为二维数组
y = df['target_column'].values.reshape(-1, 1)

# 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=0)

# 创建并训练模型
model = LinearRegression()  
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 评估模型性能
print('均方误差(MSE):', metrics.mean_squared_error(y_test, y_pred))
print('R^2分数:', metrics.r2_score(y_test, y_pred))

#