写一段机器学习的py代码

当然可以，这里是一个简单的例子，展示如何使用Python的Scikit-Learn库来进行线性回归的基本操作：

# 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

# 假设我们有一个CSV数据集
data = pd.read_csv('your_data.csv') # 替换为你的数据文件路径

# 定义特征（X）和目标变量（y）
X = data.drop('target_column', axis=1) # 替换 'target_column' 为你想要预测的目标列
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
y_pred = model.predict(X_test)

# 打印模型的一些信息
print(model.coef_)  # 权重系数
print(model.intercept_)  # 截距