能否提供一个用Python编写的简单线性回归模型的示例代码，包括数据准备和模型训练步骤？

当然可以，这里是一个简单的Python线性回归模型（使用sklearn库）的示例，我们将使用经典的鸢尾花数据集（Iris dataset）来进行演示：

首先，我们需要导入必要的库：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import numpy as np
import matplotlib.pyplot as plt

然后，加载鸢尾花数据集并预处理：

# 加载数据
iris = datasets.load_iris()
X = iris.data[:, :2]  # 我们只取前两个特征作为输入
y = iris.target  # 目标变量是鸢尾花的种类

# 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)

接着，创建并训练线性回归模型：

# 创建线性回归对象
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

我们可以打印模型的一些信息，如截距和斜率：

print("Intercept:", model.intercept_)
print("Coefficients:", model.coef_)

最后，进行预测，并可视化结果：

# 预测
y_pred = model.predict(X_test)

# 绘制实际值和预测值
plt.scatter(X_test[:, 0], y_test, color='blue')
plt.plot(X_test[:, 0], y_pred, color='red', linewidth=3)
plt.xlabel('Feature 1')
plt.ylabel('Target')
plt.legend(['Actual Values', 'Predictions'])
plt.show()